学会双重猜测：一种用于估计任意物体质心的主动感知方法
机器人学
2025-02-28 v2 机器学习
摘要
在非结构化环境中操作任意物体是机器人技术中的一个重大挑战，这主要是由于难以确定物体的质心。本文介绍了U-GRAPH：基于触觉的不确定性引导旋转主动感知，这是一个利用主动感知来增强质心估计的新颖框架。传统方法通常依赖于单次交互，并受到力/力矩传感器固有误差的限制。我们的方法通过集成贝叶斯神经网络来量化不确定性，并通过网格搜索和一个对每个动作进行评分的神经网络引导机器人系统进行多次、信息丰富的交互，从而规避了这些限制。我们证明了我们的方法具有显著的泛化能力和可迁移性，在有限变化的小数据集上进行训练，却仍能在未见过的复杂真实世界物体上表现良好。
引用
@article{arxiv.2502.02663,
title = {Learning to Double Guess: An Active Perception Approach for Estimating the Center of Mass of Arbitrary Objects},
author = {Shengmiao Jin and Yuchen Mo and Wenzhen Yuan},
journal= {arXiv preprint arXiv:2502.02663},
year = {2025}
}
备注
Accepted to ICRA 25; 7 pages, 5 figures