面向点云分割的仿真到现实迁移学习：一个关于自主拆解的工业应用案例
计算机视觉与模式识别
2023-01-13 v1
摘要
在机器人计算机视觉任务中，为使用基于深度学习的方法而从现实世界生成和标注大量数据通常是困难的，甚至是不可能的。解决此问题的一个常见策略是借助模拟场景应用仿真到现实（sim2real）方法。虽然当前大多数机器人视觉的sim2real工作都集中在图像数据上，但我们展示了一个使用sim2real迁移学习处理点云数据的工业应用案例。我们提供了关于如何生成和处理合成点云数据，以便在将学习到的模型迁移到真实世界数据时获得更好性能的见解。我们使用多种策略研究了不平衡学习问题。此外，还提出了一种新颖的基于块的注意力网络来解决此问题。
引用
@article{arxiv.2301.05033,
title = {Sim2real Transfer Learning for Point Cloud Segmentation: An Industrial Application Case on Autonomous Disassembly},
author = {Chengzhi Wu and Xuelei Bi and Julius Pfrommer and Alexander Cebulla and Simon Mangold and Jürgen Beyerer},
journal= {arXiv preprint arXiv:2301.05033},
year = {2023}
}