学习用于构建3D形状类别的视觉策略
机器人学
2020-10-02 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
操控与装配任务需要根据环境和最终目标进行非平凡的行动计划。该领域先前的工作通常从已知的基元集合中装配特定物体实例。相比之下，我们旨在处理变化的基元集合并构建某一形状类别的不同物体。给定类别的单个物体实例（例如拱门）和二值形状分类器，我们学习一种视觉策略来装配同一类别的其他实例。特别地，我们提出一种拆卸过程，并学习一种状态策略，该策略在状态空间中发现新物体实例及其装配计划。我们随后在观测空间中渲染模拟状态，并学习热图表示以从给定输入图像预测替代动作。为验证我们的方法，我们首先展示了其在状态空间中构建物体类别的效率。然后我们展示了我们的视觉策略在使用不同基元构建拱门方面的成功。此外，我们证明了（i）我们的方法使用额外基元重新装配物体的反应能力，以及（ii）我们的策略对训练中使用的类似于积木的未见过基元的鲁棒性能。我们的视觉装配策略无需真实图像训练，在真实机器人上评估时成功率高达95%。
引用
@article{arxiv.2004.07950,
title = {Learning visual policies for building 3D shape categories},
author = {Alexander Pashevich and Igor Kalevatykh and Ivan Laptev and Cordelia Schmid},
journal= {arXiv preprint arXiv:2004.07950},
year = {2020}
}
备注
IROS 2020