Prof. Robot：无静态与自碰撞的可微机器人渲染
机器人学
2025-03-27 v2 计算机视觉与模式识别
摘要
可微渲染在机器人学领域引起了广泛关注，可微机器人渲染已成为一种从图像空间监督中学习机器人动作的有效范式。然而，该方法缺乏对物理世界的感知，可能导致动作优化过程中的潜在碰撞。在本工作中，我们通过学习神经机器人碰撞分类器来引入对碰撞的物理感知，从而对先前的工作进行了新颖的改进。这使得动作优化能够避免与静态、不可交互的环境以及机器人自身发生碰撞。为了利用该分类器进行有效的梯度优化，我们识别了其潜在问题，并提出利用 Eikonal 正则化来确保优化过程中梯度的一致性。我们的解决方案可以无缝集成到现有的可微机器人渲染框架中，利用梯度进行优化，并为未来可微渲染在机器人学中的应用奠定基础，以提高与物理世界交互的可靠性。定性和定量实验均证明了我们方法相较于以往解决方案的必要性与有效性。
引用
@article{arxiv.2503.11269,
title = {Prof. Robot: Differentiable Robot Rendering Without Static and Self-Collisions},
author = {Quanyuan Ruan and Jiabao Lei and Wenhao Yuan and Yanglin Zhang and Dekun Lu and Guiliang Liu and Kui Jia},
journal= {arXiv preprint arXiv:2503.11269},
year = {2025}
}