Oct, 2022

基于视觉流型的运动规划

PDF
TL;DR本文提出了一种称为视觉构型空间（VCS）的替代构型空间概念的特征化方法，可以使具有图像的机器人在其固有的 peripersonal 空间内规划无障碍运动，包括在机器人运动规划中构建和使用无几何模型、解释人类婴儿如何通过运动 babbling 来学习到其 peripersonal 空间内的物体接触，并在虚拟环境中自动生成自然外形的数字化头部动作动画。
visual configuration spaceembodied agentmotion planningmanifoldsperipersonal space
发现论文，激发创造
  • 学习的李群上的反应式运动生成

    本文从 Riemann 流形的角度研究了机器人运动学习范式，并探讨了通过人类示范学习获得 Riemann 流形以及通过利用考虑障碍物的周围度量重新塑造学习的流形来促进末端点 / 多肢体避障的技术。通过 7 自由度机器人操作机械臂展示了学习和生成基于复杂运动模式的运动技能的能力，并评估了多种障碍物避开策略和在多种模式下生成轨迹。

    Mar, 2022

  • 机器人的高维姿态空间可视化：定量和定性分析的综合方法

    本文介绍了一种表示机器人的高维配置空间的新方法，通过利用机器人的运动链和人类基于色调的颜色感知能力，构建了一种 2D 投影的可视化。通过该方法，可以定性地了解机器人的关节边界和碰撞状态组合，同时从定量的角度显示了所提出的表示方法不仅捕捉了精确度，还提供了额外的信息，增强了比较不同高维配置空间的能力。

    Dec, 2023

  • 变形和刚体物体操作视觉动作规划的潜空间路线图

    本文提出了一个基于图形结构的框架，包含可视化预测模块及提案网络模块，利用低维潜在空间进行常规复杂操作的动作计划，验证了在模拟环境和实际机器人中制定可行的任务完成方案及操作计划。

    Mar, 2020

  • 使用生成模型近似约束流形进行基于采样的约束运动规划

    该论文介绍了一种基于深度生成模型的采样策略，以解决受任务约束条件下的运动规划问题。研究使用两种深度生成模型 CVAE 和 CGAN 来生成满足约束条件的样本配置，并通过模拟和实验评估其采样准确性和采样分布的覆盖率。

    Apr, 2022

  • 无需数据学习简化运动学

    本研究旨在自动识别高维物理系统中低能量状态下的低维子空间，通过使用神经网络来将低维潜在向量映射到完整的配置空间，并提出了对于任意系统兴趣的训练方案，为非线性、弹性体、布料子空间以及碰撞刚性体和连杆等更一般的系统都提供了有效的解决方案，可以用于操纵、标记插值和采样等应用.

    May, 2023

  • 运动 VAE 使用的角色控制器

    该篇论文介绍了如何使用基于数据驱动的生成模型，结合深度强化学习算法来实现基于多段运动捕捉数据的真实人体动作生成，并分析了 Motion VAEs 的局限性。

    Mar, 2021

  • 基于物理知识的神经运动规划在约束流形上的应用

    基于物理模型的约束运动规划 (CMP) 框架通过解决约束流形上的 Eikonal 方程并训练神经网络函数，能够高效地解决各种 CMP 问题，包括物体操作和高维机器人操作等复杂情境。

    Mar, 2024

  • 使用深度神经网络在约束流形上进行快速运动规划

    本文介绍了一种新颖的学习规划框架，探讨了通过利用约束流形和神经规划方法来生成满足任意一组约束的规划，并以短常数时间计算它们的方法。

    Jan, 2023

  • VAT-Mart: 学习 3D 关节物体操作的视觉动作轨迹提议

    本文提出了一种基于物体的行动视觉先验的方法，即预测密集的几何感知、交互感知和任务感知的行动特征，结合强化学习策略和感知模块进行训练，通过探索多样的交互轨迹和总结概括所探索的知识来实现更好的感知 - 交互效果，并在大规模数据集上验证了其有效性和推广能力。

    Jun, 2021

  • 机器人导航的视觉语言地图

    本研究提出了 VLMaps，一种将 3D 物理世界重建与预训练的视觉语言特征直接融合的空间地图表示，其能够通过大型语言模型将自然语言命令直接转化为空间导航目标。VLMaps 能够在不需要额外标注数据的情况下自主构建，并且可以与多种类型的机器人共享，能够进行导航的同时生成新的障碍物地图。实验表明，VLMaps 可以支持人类语言含义更丰富的导航指令。

    Oct, 2022