局部神经描述子场：用于操作任务的局部条件化物体表示

在家庭环境中运行的机器人将看到各种各样独特且陌生的物体。虽然系统可以对其中的许多进行训练，但预测机器人将看到的所有物体是不可能的。在本文中，我们提出一种方法，将从未见形状类别的有限数量演示中获得的物体操作技能推广到新颖物体。我们的方法，局部神经描述子场（L-NDF），利用定义在物体局部几何上的神经描述子，在测试时有效地将操作演示迁移到新颖物体。在此过程中，我们利用物体间共享的局部几何来产生更通用的操作框架。我们在仿真和真实世界中展示了我们的方法在操作新颖姿态下新颖物体的有效性。