利用动态图 CNN 从点云中学习类别级操作任务
机器人学
2022-09-15 v1
摘要
本文提出一种从任务演示的原始 RGB-D 视频中学习类别级操作的新技术，无需人工标签或标注。类别级学习旨在获取可泛化到新物体的技能，这些新物体的几何与纹理不同于演示中所用物体。我们将抓取与操作均视为工具使用的特例来解决此问题，其中工具物体被移动到在目标物体参考系中定义的一系列关键位姿。工具与目标物体及其关键位姿通过使用动态图卷积神经网络预测，该网络以自动分割的整个场景的深度与彩色图像作为输入。真实机械臂上物体操作任务的实证结果表明，所提网络能高效地从真实视觉演示中学习，以在同一类别的新物体上执行任务，并优于替代方法。
引用
@article{arxiv.2209.06331,
title = {Learning Category-Level Manipulation Tasks from Point Clouds with Dynamic Graph CNNs},
author = {Junchi Liang and Abdeslam Boularias},
journal= {arXiv preprint arXiv:2209.06331},
year = {2022}
}