SceneScore：学习用于物体摆放的代价函数
机器人学
2023-11-16 v1 计算机视觉与模式识别
机器学习
摘要
正确地摆放物体是机器人的一项关键能力，其解锁了广泛的实用任务。创建成功摆放的先决条件是能够评估给定摆放的合意性。我们的方法“SceneScore”学习一种用于摆放的代价函数，使得合意的、类人的摆放具有较低的代价。我们使用基于能量的模型离线学习训练摆放的分布，仅从示例图像中学习，无需环境交互或人类监督。我们的模型由图神经网络表示，其利用从图像构建的图来学习物体-物体关系。实验表明，学习到的代价函数可用于预测缺失物体的位姿、使用语义特征泛化到新颖物体，并可在推理时与其他代价函数组合以满足约束。
引用
@article{arxiv.2311.08530,
title = {SceneScore: Learning a Cost Function for Object Arrangement},
author = {Ivan Kapelyukh and Edward Johns},
journal= {arXiv preprint arXiv:2311.08530},
year = {2023}
}
备注
Presented at CoRL 2023 LEAP Workshop. Webpage: https://sites.google.com/view/scenescore