PIRATR：基于3D点云中Transformer的参数化物体推断用于机器人应用

我们提出PIRATR，一个面向机器人应用的端到端3D物体检测框架，用于点云数据。扩展PI3DETR，我们的方法通过联合估计来自被遮挡点云数据中的多类6DoF姿态和类别特定的参数化属性来简化参数化3D物体检测。这种表述不仅实现几何定位，还能估计参数化物体的任务相关属性，例如夹爪的打开程度，其中3D模型根据简单预定义规则进行调整。该架构采用模块化的、类别特定的头部，使其能够轻松扩展到新物体类型，而无需重新设计管道。我们在自动叉车平台上验证了PIRATR，聚焦于三个结构和功能各异的类别：起重夹爪、装载平台和托盘。完全在合成环境中训练的PIRATR能够有效泛化到真实户外LiDAR扫描数据，在无需额外微调的情况下实现0.919的检测mAP。PIRATR建立了一种基于姿态感知、参数化感知的新范式，这桥接了低层几何推理与可操作世界模型之间的差距，为在动态机器人环境中部署的可扩展仿真训练感知系统铺平了道路。代码可访问于https://github.com/swingaxe/piratr。