利用学习的隐式碰撞函数进行物体重排

机器人物体重排结合了抓取与放置物体的技能。当物体模型不可用时，典型的碰撞检测模型可能无法预测含遮挡的部分点云中的碰撞，使得生成无碰撞的抓取或放置轨迹具有挑战性。我们提出一种学习的碰撞模型，该模型接受场景与查询物体点云，并预测场景中 6DOF 物体位姿的碰撞。我们在 100 万对合成场景/物体点云及 20 亿次碰撞查询上训练该模型。我们将学习的碰撞模型作为模型预测路径积分（MPPI）策略的一部分用于桌面重排任务，并表明该策略能在仿真与实体杂乱场景（使用 Franka Panda 机器人）中为训练未见的物体规划无碰撞抓取与放置。该学习模型在仿真碰撞查询数据集上以 9.8% 的准确性优势超越传统流水线及学习的消融版本，且比性能最佳基线快 75 倍。视频与补充材料见 https://research.nvidia.com/publication/2021-03_Object-Rearrangement-Using。