在照片级真实感仿真中预测并关注日常物体放置时的破坏性碰撞
机器人学
2021-02-15 v1 计算机视觉与模式识别
摘要
物体放置是家用服务机器人（DSRs）的一项基础任务。因此，在放置运动前推断碰撞风险对完成所请求的任务至关重要。该问题尤其具有挑战性，因为有必要预测若将物体置于杂乱的指定区域会发生什么。我们展示出一种基于平面检测以识别空闲区域的规则化方法表现不佳。为此，我们开发了 PonNet，其具有多模态注意力分支与自注意力机制，基于 RGBD 图像预测破坏性碰撞。我们的方法可可视化破坏性碰撞的风险，这便于用户理解该风险。为此，我们构建并发布了一个原始数据集，包含 12,000 张家庭环境中带有日常生活物体的特定放置区域的照片级真实感图像。实验结果表明，与基线方法相比，我们的方法提升了准确率。
引用
@article{arxiv.2102.06507,
title = {Predicting and Attending to Damaging Collisions for Placing Everyday Objects in Photo-Realistic Simulations},
author = {Aly Magassouba and Komei Sugiura and Angelica Nakayama and Tsubasa Hirakawa and Takayoshi Yamashita and Hironobu Fujiyoshi and Hisashi Kawai},
journal= {arXiv preprint arXiv:2102.06507},
year = {2021}
}
备注
18 pages, 7 figures, 5 tables. Submitted to Advanced Robotics