推以知物！——基于视觉-触觉的双可微滤波主动物体参数推断

对于在动态环境中与物体交互的机器人系统而言，感知物体的物理属性（如形状、摩擦系数、质量、质心和惯性）至关重要。这不仅简化了操纵动作的选择，也确保任务按预期执行。然而，尤其对于新颖物体，使用视觉或触觉感知来估计其物理属性是一个具有挑战性的问题。在本工作中，我们提出一种利用视觉与触觉感知通过非抓取操纵来估计关键物体参数的新框架。我们提出的作为框架一部分的主动双可微滤波（ADDF）方法，在非抓取物体推挤过程中学习物体-机器人交互以推断物体参数。我们提出的方法使机器人系统能够利用视觉与触觉信息通过非抓取物体推挤来交互式探索新颖物体。所提出的可微滤波中新颖的 N 步主动公式通过在推断时选择下一个最佳探索推挤动作（在哪里推？以及如何推？）促进了物体-机器人交互模型的高效学习。我们在仿真与真实机器人场景中广泛评估了我们的框架，取得了优于最先进基线的性能。