用于持续改进机器人操作的在线物体模型重建与复用
机器人学
2022-05-24 v2
摘要
本工作提出了一种用于无几何形状先验物体的抓取与受限放置的机器人流水线。与近期为类似任务开发的、假设每个物体都是新物体的方法相比，本系统识别先前操作过的物体，并执行在线模型重建与复用。在终身的操作过程中，系统持续学习其交互过的物体的特征并更新其重建模型。当先前操作过的物体实例再次出现时，系统首先识别它，然后根据当前观测配准其先前重建的模型。这一步骤极大地减少了物体形状的不确定性，使得系统甚至能够对当前不可观测的物体部分进行推理。这也提高了操作效率，因为它减少了操作过程中对目标物体进行主动感知的需要。为了获得可复用的重建模型，所提出的流水线采用：i) TSDF 用于物体表示，以及 ii) 标准粒子滤波算法的一种变体，用于部分物体模型的位姿估计与跟踪。此外，还提出了一种构建和维护已操作物体数据集的有效方法。进行了一系列真实世界的操作实验。实验表明，通过复用先前操作过的物体在其先前操作期间生成的重建模型，而不是每次都将物体视为新物体，未来的操作任务变得更加有效和高效。
引用
@article{arxiv.2109.13910,
title = {Online Object Model Reconstruction and Reuse for Lifelong Improvement of Robot Manipulation},
author = {Shiyang Lu and Rui Wang and Yinglong Miao and Chaitanya Mitash and Kostas Bekris},
journal= {arXiv preprint arXiv:2109.13910},
year = {2022}
}