用于视觉桌面重排的整洁度分数引导蒙特卡洛树搜索
机器人学
2025-02-25 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
本文提出了整洁度分数引导的蒙特卡洛树搜索（TSMCTS），这是一种仅使用 RGB-D 相机解决桌面整理问题的新框架。我们针对桌面整理问题解决了两个主要难题：（1）缺乏公开数据集和基准；（2）难以指定未见物体的目标配置。我们通过发布桌面整理（TTU）数据集来解决前者，这是一个在仿真中收集的结构化数据集。利用该数据集，我们训练了一个能够预测整洁度分数的基于视觉的判别器。该判别器能够一致地评估各种未见配置（包括真实世界场景）的整洁程度。针对第二个问题，我们采用蒙特卡洛树搜索（MCTS）在不指定明确目标的情况下寻找整理轨迹。我们证明了无需提供具体目标，基于 MCTS 的规划器即可利用整洁度分数作为引导，找到多样化的整洁配置。因此，我们提出了 TSMCTS，它将整洁度判别器与基于 MCTS 的整理规划器相结合，以寻找最优的整理方案。TSMCTS 已在包括咖啡桌、餐桌、办公桌和浴室在内的多种环境中成功展示了其能力。TTU 数据集可在以下网址获取：https://github.com/rllab-snu/TTU-Dataset。
引用
@article{arxiv.2502.17235,
title = {Tidiness Score-Guided Monte Carlo Tree Search for Visual Tabletop Rearrangement},
author = {Hogun Kee and Wooseok Oh and Minjae Kang and Hyemin Ahn and Songhwai Oh},
journal= {arXiv preprint arXiv:2502.17235},
year = {2025}
}
备注
9 pages, 8 figures