SafePicking：通过物体级建图学习安全物体提取

机器人需要物体级场景理解，以在操作物体时推理物体间的接触、支撑与遮挡。给定一堆物体，物体识别与重建可识别物体实例的边界，为物体如何形成并支撑该堆提供重要线索。在本工作中，我们提出一个系统SafePicking，它集成物体级建图与基于学习的运动规划，以生成从物体堆中安全提取被遮挡目标物体的运动。规划通过训练一个深度Q网络实现，该网络接收预测位姿和基于深度的高度图观测，输出运动轨迹，并以最大化安全度量为奖励进行训练。我们的结果表明，位姿与深度感知的观测融合为模型带来更好的性能与鲁棒性。我们在仿真和真实世界中使用YCB物体评估了我们的方法，实现了从物体堆中的安全物体提取。