视觉可 affordance 预测：综述与可重复性研究

可 affordance 指智能体在观察物体后可执行的潜在动作。视觉可 affordance 预测在抓取检测、可 affordance 分类、可 affordance 分割和手势估计等任务中被不同形式地表述，导致定义不一致，阻碍方法之间的公平比较。本文提出一种统一的视觉可 affordance 预测表述方式，考虑感兴趣对象的完整信息以及智能体与物体之间完成任务的相互作用。这种统一表述使我们能够全面、系统地审视各种视觉可 affordance 研究，突出显示方法和数据集的优势与局限性。我们还讨论了可重复性问题，如方法实现和实验设置细节的不可得性，使得视觉可 affordance 预测的基准测试不公平且不可靠。为促进透明度，我们引入了 Affordance Sheet，这是一份详细记录方法解决方案、数据集和验证的文档，支持未来可重复性和公平性。