Dec, 2019

多物体重新排列的 Monte Carlo 树搜索：平面非握住式排序的案例研究

PDF
TL;DR本文提出了一种基于蒙特卡罗树搜索和启发式函数的算法，用于非抓取式物品分类任务，在模拟和实际场景中能够可靠地对大量不同形状的物品进行分类，并能够避开障碍物。
发现论文，激发创造
  • 基于蒙特卡罗树搜索的高效视觉引导重新排布规划

    本文介绍了一种基于 RGB 相机的可视化引导的多对象重新排列规划方法，该方法使用蒙特卡罗树搜索探索策略，以及一个基于深度神经网络的集成方法来作为多对象工作空间状态估计。在真实的 UR-5 机械臂上验证了我们的方法，成功解决了多个重新排列规划实例并提供了补充视频、源代码和预训练模型。

    Apr, 2019

  • 通过交替进行多智能体路径规划和基于物理模拟的操作，实现可移动物体的复杂非抓取操作规划

    该研究针对机器人在重复环境中的可操作性，提出一种基于物理模拟器的动态规划算法，结合多智能体路径规划的思想，用于实现机械臂动作计划与可移动物体状态变化之间的交互式自主调整。

    Mar, 2023

  • 可移动物体操作规划：确定哪些物体去哪里、以何种顺序和方式

    本文介绍了一种基于多智能体路径规划和非抓取式推动规划的机器人操纵方法，该方法可以在混乱和受限的三维工作空间中移动物体，并利用刚体物理模拟器检查路径是否满足物理约束，通过改进后的算法在实际机器人操作和模拟操作中优于其他现有算法。

    Mar, 2023

  • 使用深度强化学习进行非预抓取操作的重排

    该研究基于深度强化学习、视觉反馈、潜在场探索策略和平衡数据集的训练方式，开发了一套具有非抓握重排能力的机器人系统，成功率高达 85%，并能够应对环境突然改变，达到了人类水平。

    Mar, 2018

  • MANER：在混乱环境中的物体多智能体神经重新排列规划

    该研究提出了一种基于学习的综合框架，用于多智能体物体重新排列规划，在复杂环境中解决了任务排序和路径规划等挑战。实验证明了该框架的效果和鲁棒性，并改善了比基准方法更好的性能表现（遍历时间和成功率）。

    Jun, 2023

  • 狭窄空间内的惰性整理规划

    该论文提出了一种懒惰计算法并结合局部单调求解器与全局规划器，以高效地解决在密闭空间中进行的物体重新排列问题。该算法可在考虑物体间可达性约束的情况下，快速发现物体间依赖关系，并在求解目标时拓展局部最优解来移动物体以完成整个任务，成功应用于高达 16 个物体的场景中，并且解决速度和解决质量都优于目前现有算法。

    Mar, 2022

  • 双臂桌面物体重排的高效任务规划

    研究使用两个机器臂解决多物体重新排列的问题，并开发了有效的任务规划算法来安排拾取和放置序列，以节省时间和提高效率。

    Jul, 2022

  • 通过物理学感知蒙特卡罗树搜索，提高混杂环境中物体的 6D 位姿估计

    本研究提出了一种针对物体在杂乱场景下特别是发生遮挡或物体相互叠加时，高效搜索每个物体的六维位姿假设的方法，通过聚类减小个体候选位姿数据量，在基于物体检测和全局点云注册的技术提供的候选物体位姿中，使用基于 Monte Carlo Tree Search 的全局优化过程，结合各个物体之间物理交互关系，探索候选位姿的组合，识别场景级别的最佳假设。实验结果表明，该过程能够快速发现在杂乱场景中与地面实际情况接近的、物理上一致的物体位姿。

    Oct, 2017

  • 部分可观测映射环境下多目标重新排列规划的有效基线

    在具有局部可观测性限制的多对象重新排列问题中，模块化贪心算法能够表现出优异的性能，为未来的部分可见多对象重新排列问题规划提供了强有力的基线。

    Jan, 2023

  • 3D 场景理解的蒙特卡罗场景搜索

    本论文探讨了如何利用通用 AI 算法进行 3D 场景理解来减少训练数据的需求，并提出了一种修改的蒙特卡洛树搜索算法，以从嘈杂的 RGB-D 扫描中检索对象和房间布局。在 ScanNet 数据集上应用本算法可以得到比一些手动注释更好的配置。

    Mar, 2021