O$^3$Afford：面向可泛化机器人操作的一键式 3D 对象-对象 affordance grounding
机器人学
2025-09-09 v1 计算机视觉与模式识别
摘要
对象 affordance 的 grounding 是机器人操作的基础，因为它在感知与动作之间的交互对象中建立了关键联系。然而，先前的工作主要关注预测单个对象的 affordance，忽略了大多数真实世界交互都涉及对象对之间的关系。本文针对数据受限下的对象-对象 affordance grounding 挑战，受 few-shot learning 中 2D 视觉基础模型最新进展的启发，我们提出一种 novel 的 one-shot 3D 对象-对象 affordance 学习方法，用于机器人操作。语义特征来自视觉基础模型，结合点云表示进行几何理解，使我们的 one-shot 学习管道能够有效泛化到新对象和新类别。我们进一步将 3D affordance 表示与大型语言模型（LLM）集成，用于机器人操作，显著增强了 LLM 理解和推理对象交互的能力，以生成任务特定的约束函数。我们在 3D 对象-对象 affordance grounding 和机器人操作实验中展示了 OAfford 在准确性和泛化能力方面显著优于现有基线。
引用
@article{arxiv.2509.06233,
title = {O$^3$Afford: One-Shot 3D Object-to-Object Affordance Grounding for Generalizable Robotic Manipulation},
author = {Tongxuan Tian and Xuhui Kang and Yen-Ling Kuo},
journal= {arXiv preprint arXiv:2509.06233},
year = {2025}
}
备注
Conference on Robot Learning (CoRL) 2025. Project website: https://o3afford.github.io/