TAX-Pose：面向机器人操作的任务特定跨位姿估计
机器人学
2024-05-03 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
我们如何赋予机器人高效操控未见过的物体并基于演示迁移相关技能的能力？端到端学习方法通常难以泛化到新颖物体或未见过的配置。相反，我们关注交互物体相关部分之间的任务特定位姿关系。我们推测这种关系是关于操控任务的一种可泛化概念，能够迁移到同一类别中的新物体；例子包括平底锅相对于烤箱的位姿关系，或马克杯相对于杯架的位姿关系。我们将这种任务特定的位姿关系称为“跨位姿”（cross-pose），并给出了该概念的数学定义。我们提出了一种基于视觉的系统，利用学习到的跨物体对应关系，针对给定操控任务学习估计两个物体之间的跨位姿。估计得到的跨位姿随后被用于引导下游运动规划器将物体操控至期望的位姿关系（将平底锅放入烤箱或将马克杯放到杯架上）。我们展示了该方法在仅使用真实世界中 10 次演示训练的情况下，某些情形下也能泛化到未见物体的能力。结果表明，我们的系统在多项任务的模拟与真实世界实验中均达到了最先进的性能。补充信息与视频可在 https://sites.google.com/view/tax-pose/home 查看。
引用
@article{arxiv.2211.09325,
title = {TAX-Pose: Task-Specific Cross-Pose Estimation for Robot Manipulation},
author = {Chuer Pan and Brian Okorn and Harry Zhang and Ben Eisner and David Held},
journal= {arXiv preprint arXiv:2211.09325},
year = {2024}
}
备注
Conference on Robot Learning (CoRL), 2022. Supplementary material is available at https://sites.google.com/view/tax-pose/home