Motion-Nets：利用RGB在未知环境中对未知物体进行6D跟踪
机器人学
2019-10-31 v1 计算机视觉与模式识别
摘要
在这项工作中，我们弥合近期位姿估计与跟踪工作之间的鸿沟，为机器人开发了一种在其周围环境中跟踪物体的强有力方法。Motion-Nets 使用分割模型对场景进行分割，并采用分离的平移与旋转模型来识别物体在两连续帧间的相对6D运动。我们用生成的漂浮物体数据训练该方法，随后在若干预测任务上进行测试，包括一个使用真实 PR2 机器人的任务，以及一个在训练期间从未见过的仿真 PR2 机器人的玩具控制任务。Motion-Nets 能够以一定的定量精度跟踪物体位姿约30–60帧，包括遮挡与干扰物情形。此外，即便经过100帧，单步预测误差仍保持较低。我们还研究了一种迭代校正流程以改善控制任务中的性能。
引用
@article{arxiv.1910.13942,
title = {Motion-Nets: 6D Tracking of Unknown Objects in Unseen Environments using RGB},
author = {Felix Leeb and Arunkumar Byravan and Dieter Fox},
journal= {arXiv preprint arXiv:1910.13942},
year = {2019}
}
备注
Accepted to IROS 2019 workshop on The Importance of Uncertainty in Deep Learning for Robotics