ShapeShift：基于超二次曲面的物体位姿估计方法及其在机器人抓取中的应用
计算机视觉与模式识别
2023-04-12 v1 人工智能
机器学习
机器人学
摘要
物体位姿估计是机器人学中实现精确物体操控的一项关键任务。然而，当前技术严重依赖参考三维物体，限制了其泛化能力，且扩展到新物体类别的成本高昂。直接的位姿预测在不参考三维模型的情况下为机器人抓取提供的信息有限。基于关键点的方法无需依赖精确的三维模型即可提供内在描述性，但可能缺乏一致性与准确性。为应对这些挑战，本文提出 ShapeShift，一种基于超二次曲面的物体位姿估计框架，该框架预测物体相对于拟合到该物体的基本形状的位姿。所提框架具有内在描述性，并能够泛化到训练集之外的任意几何形状。
引用
@article{arxiv.2304.04861,
title = {ShapeShift: Superquadric-based Object Pose Estimation for Robotic Grasping},
author = {E. Zhixuan Zeng and Yuhao Chen and Alexander Wong},
journal= {arXiv preprint arXiv:2304.04861},
year = {2023}
}