融合形状先验的基于 NeRF 的透明物体抓取
机器人学
2025-04-15 v1
摘要
透明物体抓取仍然是机器人领域的一项持续性挑战，主要难点在于难以获取精确的三维信息。传统光学三维传感器难以捕捉透明物体，而机器学习方法则常受制于对高质量数据集的依赖。利用 NeRF 对空间不透明度进行连续建模的能力，我们所提出的架构集成了基于 NeRF 的方法来重建透明物体的三维信息。尽管如此，重建出的三维信息在某些部分仍可能不完整。为了弥补这些不足，我们引入了一种由形状先验驱动的补全机制，并通过我们开发的几何位姿估计方法进一步加以精化。这使我们能够获得完整且可靠的透明物体三维信息。利用这些精化后的数据，我们执行场景级的抓取预测，并将结果部署到真实机器人系统中。实验验证表明了我们架构的有效性，展现出其在杂乱场景中可靠捕捉各类透明物体三维信息的能力，并相应地实现高质量、稳定且可执行的抓取预测。
引用
@article{arxiv.2504.09868,
title = {NeRF-Based Transparent Object Grasping Enhanced by Shape Priors},
author = {Yi Han and Zixin Lin and Dongjie Li and Lvping Chen and Yongliang Shi and Gan Ma},
journal= {arXiv preprint arXiv:2504.09868},
year = {2025}
}