OmniHang：利用接触点对应与神经碰撞估计学习悬挂任意物体
机器人学
2021-03-29 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
本文中，我们探讨机器人能否学会将任意物体悬挂到诸如置物架或挂钩等多种支撑物上。赋予机器人此种能力在家政服务、物流或制造等诸多领域具有应用价值。然而，由于日常物体几何与拓扑的极大多样性，这是一项具有挑战性的操作任务。本文提出一种系统，以物体与支撑物的部分点云为输入，学习决策在何处及如何稳定地悬挂物体。我们的系统学习估计物体与支撑物间的接触点对应关系，从而得到估计的稳定位姿。随后我们运行深度强化学习算法精炼所预测的稳定位姿。接着，机器人需寻找一条无碰撞路径，将物体从其初始位姿移至稳定悬挂位姿。为此，我们训练了一个基于神经网络的碰撞估计器，以物体与支撑物的部分点云为输入。我们生成了一个新颖且具挑战性的大规模合成数据集，标注有悬挂于各类支撑物上的物体稳定位姿及其接触点对应关系。在该数据集上，我们展示系统能够取得68.3%的稳定物体位姿预测成功率，并在寻找可行路径方面获得52.1%的F1分数。补充材料与视频见于我们的项目网页。
引用
@article{arxiv.2103.14283,
title = {OmniHang: Learning to Hang Arbitrary Objects using Contact Point Correspondences and Neural Collision Estimation},
author = {Yifan You and Lin Shao and Toki Migimatsu and Jeannette Bohg},
journal= {arXiv preprint arXiv:2103.14283},
year = {2021}
}
备注
Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2021