用于抓取的稀少标注机器人实例分割

机器人操控物体的能力严重依赖于其视觉感知能力。在由杂乱场景和高对象变异性特征构成的领域中，大多数方法需要广泛标记的数据集，这些数据集需花费巨大的劳力进行手工标注，以训练具备能力的模型。部署后，针对陌生物体的泛化挑战意味着模型必须随其域的演进而演进。为此，我们提出一种新框架，将半监督学习 (SSL) 与通过交互学习 (LTI) 结合，使模型能够通过观察场景变更来学习，并在时间间隔后利用视觉一致性而无需标注交互序列。结果，我们的方法通过自监督方式利用部分标注数据，并通过从无标签静态图像生成的伪序列来整合时间上下文。我们在两个常见基准测试上验证了该方法：ARMBench mix-object-tote 和 OCID，在其中它实现了最先进的性能。在 ARMBench 上，我们达到了 $86.37$ 的 $\text{AP}_{50}$，几乎比现有工作提高了约 $20\%$，在极端稀少标注场景中取得了显著结果，仅使用 $1 \%$ 的标注数据即可达到 $84.89$ 的 $\text{AP}_{50}$ 分数，而 ARMBench 上完全标注的对应版本为 $72$。