遮挡下面向3D关节物体操作的环境感知可供性学习
机器人学
2025-09-17 v5 人工智能
计算机视觉与模式识别
摘要
在多样环境中感知与操作3D关节物体对家用辅助机器人至关重要。近期研究表明，点级可供性为下游操作任务提供了可行动先验。然而，现有工作主要关注具有同质智能体的单物体场景，忽视了环境及智能体形态所带来的现实约束，例如遮挡与物理限制。本文提出一种环境感知可供性框架，融合物体级可行动先验与环境约束。与以物体为中心的可供性方法不同，学习环境感知可供性面临组合爆炸挑战，源于各类遮挡的复杂性，其特征体现在数量、几何、位置与位姿上。为此并提升数据效率，我们引入一种新颖的对比可供性学习框架，能够在含单一遮挡物的场景上训练，并泛化至具有复杂遮挡物组合的场景。实验证明了我们所提方法在学习考虑环境约束的可供性方面的有效性。项目页面：https://chengkaiacademycity.github.io/EnvAwareAfford/
引用
@article{arxiv.2309.07510,
title = {Learning Environment-Aware Affordance for 3D Articulated Object Manipulation under Occlusions},
author = {Ruihai Wu and Kai Cheng and Yan Shen and Chuanruo Ning and Guanqi Zhan and Hao Dong},
journal= {arXiv preprint arXiv:2309.07510},
year = {2025}
}
备注
In 37th Conference on Neural Information Processing Systems (NeurIPS 2023). Website at https://chengkaiacademycity.github.io/EnvAwareAfford/