隐式表示先验结合黎曼几何的贝叶斯机器人抓取
机器人学
2023-04-20 v2 机器学习
摘要
在高度嘈杂的环境中进行机器人抓取面临着复杂的挑战，尤其是在场景先验知识有限的情况下。特别是，利用贝叶斯推断识别良好抓取姿态变得困难，原因有二：i）从无信息量的先验中生成数据被证明是低效的；ii）后验通常涉及定义在黎曼流形上的复杂分布。在本研究中，我们探索使用隐式表示来构建依赖于场景的先验，从而能够在非结构化环境中应用高效的基于模拟的贝叶斯推断算法来确定成功的抓取姿态。来自模拟和物理基准测试的结果均展示了该方法的高成功率和广阔前景。
引用
@article{arxiv.2304.08805,
title = {Implicit representation priors meet Riemannian geometry for Bayesian robotic grasping},
author = {Norman Marlier and Julien Gustin and Olivier Brüls and Gilles Louppe},
journal= {arXiv preprint arXiv:2304.08805},
year = {2023}
}
备注
4 pages, 5 figures, submitted to the workshop Geometric Representations at ICRA 2023