UNCLE-Grasp：面向叶子遮挡草莓的不确定性感知抓取
机器人学
2026-03-03 v2
摘要
机器人 strawberry 收获在部分遮挡情况下仍具挑战性，其中叶子干扰引入显著的几何不确定性，使得基于单一确定性形状估计的抓取决策不可靠。从单一部分观测来看，可能存在多个不兼容的 3D 形状完成方案，例如，对某一种完成方案可行的抓取在另一种方案下可能失败。本文提出了一种用于处理部分遮挡草莓的不确定性感知抓取管线，显式建模由遮挡和学习形状完成引起的几何不确定性。该方法采用蒙特卡洛 dropout 抽样点云完成，以生成多个形状假设，为每种完成方案生成候选抓取方案，并使用基于物理的力闭包指标评估抓取可行性。与仅从单一形状估计中选择抓取不同，本方法在完成方案上聚合可行性，并采用保守的下置信界 (LCB) 标准决定是否尝试抓取草莓或安全地放弃。该方法在仿真环境中以及在物理机器人上受Increasing levels of synthetic and real leaf occlusion 进行评估。实验结果表明，基于不确定性的决策使我们能够在严重遮挡下可靠地放弃高风险抓取尝试，而在几何置信度足够时仍能稳健地执行抓取，在仿真和物理机器人实验中均优于确定性基线。
关键词
引用
@article{arxiv.2601.14492,
title = {UNCLE-Grasp: Uncertainty-Aware Grasping of Leaf-Occluded Strawberries},
author = {Malak Mansour and Ali Abouzeid and Zezhou Sun and Qinbo Sun and Dezhen Song and Abdalla Swikir},
journal= {arXiv preprint arXiv:2601.14492},
year = {2026}
}