PUGS：面向水下环境的感知不确定性抓取选择
机器人学
2025-02-17 v1 计算机视觉与模式识别
摘要
在感知信息不完善且不完整的挑战性环境中，机器人必须做出考虑这些局限性的决策。我们提出了一种新方法，用于量化和表示 3D 重建中的感知不确定性，通过占据不确定性估计来实现。我们开发了一个框架将其纳入水下环境中自主操纵的抓取选择。我们不把每一次测量都视为等权，相反，我们提出了一个框架将多视图重建过程中固有的不确定性传递到抓取选择中。我们使用模拟数据和真实数据进行评估，表明通过考虑不确定性，抓取选择对部分和噪声测量更具鲁棒性。代码将在 https://onurbagoren.github.io/PUGS/ 公开。
引用
@article{arxiv.2502.09824,
title = {PUGS: Perceptual Uncertainty for Grasp Selection in Underwater Environments},
author = {Onur Bagoren and Marc Micatka and Katherine A. Skinner and Aaron Marburg},
journal= {arXiv preprint arXiv:2502.09824},
year = {2025}
}
备注
8 pages, 4 figures Accepted to International Conference on Robotics and Automation (ICRA) 2024