MaskPlanner：从3D点云学习的基于对象的运动生成
机器人学
2025-02-27 v1 计算机视觉与模式识别
摘要
对象中心运动生成（OCMG）在诸多工业应用中发挥着关键作用——例如机器人喷漆和焊接——需要高效、可扩展且具有普适性的算法来规划自由形式3D物体上多个长期轨迹的路径。然而，现有解决方案依赖于专业化的启发式方法、昂贵的优化程序或限制性的几何假设，这些方法在实际场景中受到适应性限制。在本工作中，我们引入了一种新型完全数据驱动的框架，直接从3D点云解决OCMG问题，学习在自由形式表面上 generalization 专家路径模式。我们提出了 MaskPlanner，一种深度学习方法，能够为给定对象预测局部路径片段，同时推断“路径掩码”以将这些片段分组到 distinct 路径中。这种设计促使网络在单次前向传播中捕获局部几何模式和全局任务要求。在真实的机器人喷漆场景下进行大规模实验表明，我们的方法对未知物体实现了近乎完整的覆盖（超过99%），且保持任务中立，不显式优化油漆沉积。此外，我们在6自由度专业喷涂机器人上进行了实际验证，表明生成的轨迹可直接执行且达到专家水平的喷涂质量。我们的发现关键地突显了针对OCMG的所提学习方法的潜力，可显著降低工程开销并无缝适应多种工业用例。
引用
@article{arxiv.2502.18745,
title = {MaskPlanner: Learning-Based Object-Centric Motion Generation from 3D Point Clouds},
author = {Gabriele Tiboni and Raffaello Camoriano and Tatiana Tommasi},
journal= {arXiv preprint arXiv:2502.18745},
year = {2025}
}
备注
Project website at https://gabrieletiboni.github.io/MaskPlanner/