Locate n' Rotate：基于基础模型先验的两阶段可开启部件检测

检测铰接物体的可开启部件对于智能机器人的下游应用（如拉抽屉）至关重要。由于需要同时理解物体类别和运动，该任务构成了多任务挑战。现有大多数方法要么是特定类别的，要么在特定数据集上训练，缺乏对未见环境和物体的泛化能力。在本文中，我们提出了一种基于 Transformer 的可开启部件检测（OPD）框架，命名为多特征可开启部件检测（MOPD），该框架结合了感知分组和几何先验，在性能上超越了以往方法。在该框架的第一阶段，我们引入了一个感知分组特征模型，为可开启部件检测提供感知分组特征先验，并通过交叉注意力机制增强检测结果。在第二阶段，几何理解特征模型为预测运动参数提供几何特征先验。与现有方法相比，我们提出的方法在检测和运动参数预测方面均表现出更好的性能。代码和模型已在 https://github.com/lisiqi-zju/MOPD 公开。