May, 2023

图像的背叛：机器人操作中基于贝叶斯场景关键点的深度策略学习

PDF
TL;DR本文提出了一种基于贝叶斯方法的算法来跟踪图像中的尺度不变的关键点，对于机器人的多目标操作任务，该算法较其他方法更加高效且具备鲁棒性。
robotic manipulationpolicy learningbayesian approachkeypoint trackingrepresentation learning
发现论文，激发创造
  • S3K: 自监督语义关键点多视角一致性用于机器人操作

    本文探讨机器人行动的基本局限性和现有的视觉表征学习方法存在的问题，并提出利用语义三维关键点作为视觉表征的方法，通过半监督训练，使其精度达到毫米级别，能够帮助定义强化学习的奖励函数并作为代理训练的有效表征。

    Sep, 2020

  • kPAM: 面向类别级别机器人操作的关键点位位拓扑

    本文提出了一种新颖的类别级别的机器人操作方法，使用基于语义三维关键点的物体表示方法，并使用该表示法将操纵策略分解为实例分割、三维关键点检测、基于优化的机器人动作规划和本地密集几何学操作执行，从而提高了操纵泛化能力和鲁棒性。

    Mar, 2019

  • 使用范围相机的概率物体跟踪

    本文提出了一种利用动态贝叶斯网络进行物体 6 自由度姿态追踪的方法，在观测时考虑了物体本身和周围环境对物体的遮挡，并使用 Rao-Blackwellised 粒子滤波器实现实时姿态估计。

    May, 2015

  • BiKC：健臂机器人操作的关键姿态准确性策略

    本文介绍了一种适用于双手操作的新型关键姿势条件一致性策略，该策略以层次化的模仿学习框架为基础，通过预测关键姿势指导轨迹生成，并在一阶段任务完成时标记，通过快速推理生成行动序列，实验结果表明该方法在成功率和操作效率方面优于基线方法。

    Jun, 2024

  • 关键点预测下的目标姿态自监督学习

    本文提出了一种基于自监督学习的关键点预测方法来进行相机位姿预测及三维目标物体的在线重建的深度学习网络，并在几个数据集上进行了实验，取得了显著的改进。

    Feb, 2023

  • 半监督关键点定位

    本文介绍了一种半监督的方法，使用少量标记图像和大量未标记图像同时学习关键点热图和姿态不变的关键点表示，关键点表示的语义一致性约束加以保证，并通过特征空间将图像及其扩充副本的关键点表示紧密地联系在一起，以实现对于人类和动物身体特征点的本土化定位，并在多项基准测试中显著优于先前的方法。

    Jan, 2021

  • KETO: 学习工具操作的关键点表示

    本文基于深度学习，提出了一种名为 KETO 的自监督学习框架，对于机器人使用工具进行操作具有很好的表现，其使用任务特定的关键点表示工具，提高了其操作的有效性和泛化性能，结果表明该模型在三个工具使用的操作任务中表现均优于当前最先进的方法

    Oct, 2019

  • 无监督学习用于控制的视觉三维关键点

    该文介绍了一种学习 3D 几何结构的算法，可用于从高维图像中学习感觉运动控制策略，其发现的 3D 关键点能够在时间和 3D 空间上一致地捕获机器人关节和物体移动，成果在强化学习基准测试中优于之前的最佳方法。

    Jun, 2021

  • 视点和关键点

    本文利用卷积神经网络解决一个目标在确定视角的情况下，同时识别和估计姿态的问题，并对姿态估计的错误模式和目标特征对性能的影响进行分析。

    Nov, 2014

  • 无监督学习视频中的可解释关键点

    本文提出了 KeypointGAN 方法，通过从未标注的视频和基于弱领域先验知识的学习，仅使用单个图像就可以识别物体的姿态，利用一个新的物体的双重表示方法，并且这种方法可以在不使用标注图像的情况下获得最新的成果。

    Jul, 2019