Apr, 2023

基于 GPU 的仿真器中，用于高效模拟非凸物体的本地物体切割碰撞网络

PDF
TL;DR本文旨在提出一种高效的非凸对象大规模 GPU 模拟的接触检测算法，该方法采用数据驱动的方式，并结合神经网络，将其嵌入到开源 GPU 环境中，可以在维持精度的情况下，提高效率，从而更好地模拟非凸物体的接触情况。
gpu-based simulationcontact detection algorithmnon-convex objectsdata-driven approachneural-network-based contact detector
发现论文，激发创造
  • 在杂乱环境中的碰撞感知缆线抓取方法

    我们介绍了一种用于在混乱环境中实现可靠电缆抓取的 CG-CNN 模型，该网络利用物理仿真生成了模拟电缆抓取的广泛数据集，通过利用近似凸分解技术解剖非凸电缆模型，并基于模拟抓取尝试自动标记抓取质量。通过对这个仿真数据集进行训练和领域随机化技术的改善，我们的模型可以预测抓取质量并指导机器人控制器执行最优的抓取姿势，该模型的抓取效果在合成和真实环境下得到了评估，成功率分别为 92.3% 和 88.4%，优于目前的技术水平。

    Feb, 2024

  • 改进接触式不可微物理仿真的梯度计算

    通过 TOI-Velocity 方法，我们改进了不完美的可微分刚体模拟并成功地学习了一个能够匹配分析解的最优控制序列。

    Apr, 2023

  • 不考虑实例的几何和接触动力学学习

    通过使用几何作为共享表示，本研究提出了一种实例不可知的学习框架，融合了视觉与动力学，以同时学习形状、姿态轨迹和物理属性。通过使用 RGBD 视频，无需先验知识和已知形状，该框架能够学习对象的几何和动力学特性。实验证明了该框架在学习刚性和凸物体的几何和动力学方面的能力，并且改进了当前的跟踪框架。

    Sep, 2023

  • RCDN - 基于先进 CNN 模型的鲁棒性 X 角点检测算法

    本文提出了一种新的检测算法，能够在多种干扰条件下保持高次像素精度，包括镜头畸变、极端姿态和噪声。该算法基于粗到细的策略，包含 X 型角检测网络和三种后处理技术，以及混合亚像素细化技术和改进的区域增长策略。实验证明，与其他常用方法相比，该算法具有更高的检测率、亚像素精度和鲁棒性。最后，相机标定和姿态估计实验也验证了其在定量比较中能够获得更小的重投影误差。

    Jul, 2023

  • 通过生成式三维服装模型实现自监督碰撞处理，用于虚拟试穿

    本文提出了一种新的生成模型，用于 3D 服装变形，能够学习一种数据驱动的虚拟试穿方法，并成功地解决了服装和身体之间的碰撞问题。通过使用服装的规范空间来训练生成模型，实现了一种自我监督的碰撞术语，可以可靠地解决服装和身体之间的相互渗透。

    May, 2021

  • 物理编码图神经网络用于接触下形变预测

    机器人学中，通过物理编码的图神经网络，建模刚性网格与可变形网格间的动力学关系，以精确理解接触过程中的物体变形，推动机器人模拟与抓取研究的进展。

    Feb, 2024

  • 在大规模场景和视觉中，学习隐式形状的刚体模拟器

    使用学习的有界几何网络的刚体模拟器，通过从多视角图像中提取有界距离函数（SDFs），首次演示了 GNN 模拟器在数百个物体和 110 万个节点的场景中的可扩展性。

    May, 2024

  • CabiNet: 使用程序化场景生成技术扩展神经碰撞检测，用于物体再排列

    本研究研究了在没有任何显式对象模型的情况下将机器人重新排列推广到杂乱场景中的方法，提出了一种 collision model 模型，称为 CabiNet，该模型结合 Model Predictive Path Integral (MPPI) planner 算法用于在杂乱场景中生成无碰撞轨迹来进行挑选和放置重配置。

    Apr, 2023

  • 高效的增量动力学面部模拟潜在接触

    我们提出了一个用于人脸动画的准静态有限元模拟器，通过采用项目动力学和增量潜在接触技术处理碰撞，达到高可视保真度的同时降低性能开销。

    Dec, 2023

  • CCDN：用于相机标定的棋盘格角点检测网络

    提出了一种新的检测算法，包括完全卷积网络和后处理技术，在遇到各种质量差的图像，如镜头畸变、极端姿势和噪声时，能够保持高准确性，移除假阳性，能够在不需要先验知识的情况下在多个场景下实现各种规模的输出。

    Feb, 2023