May, 2024

可组合的基于部件的操作

PDF
TL;DR本论文提出了一种名为可组合的基于部件的操纵（CPM）的新方法，通过利用物体部件分解和部件间对应关系，以提高机器人操纵技能的学习和概括能力。通过考虑物体部件之间的功能对应关系，我们将功能性动作（如倾倒和约束放置）概念化为不同对应约束的组合。CPM 包括一系列可组合扩散模型，其中每个模型捕捉了不同物体间的对应关系。这些扩散模型可以根据特定的物体部件生成操作技能的参数。利用基于部件的对应关系以及将任务分解为不同约束能够实现对新对象和对象类别的强大概括。我们在模拟和真实环境下验证了我们的方法，并展示了它在实现稳健且广义操纵能力方面的有效性。
composable part-based manipulationobject-part decompositionpart-part correspondencesfunctional actionsdiffusion models
发现论文，激发创造
  • PartManip：从点云观测中学习跨类别通用零件操作策略

    本研究提出了一种基于部件的交叉类别物体操纵策略，并使用新建的基准测试集 PartManip 进行了评估。通过标准化部件及关联奖励来培训状态专家，再通过知识蒸馏的方式将其应用于视觉学习中。此外，引入了领域敌对学习，以实现域不变性特征提取，结果表明该方法能够在模拟和真实环境中成功地操纵新颖物体。

    Mar, 2023

  • kPAM-SC: 使用关键点可操作性和形状补全实现通用的操纵规划

    该论文研究了在存在大量形状差异的物体类别中，如何使用高效的物体表示方式和机器学习方法，实现基于感知输入的机器人运动规划，来完成任务。

    Sep, 2019

  • GAPartNet: 通过泛化可操作部件实现跨类别通用物体感知与操作

    通过 Generalizable and Actionable Parts (GAParts) 来实现交叉类别通用的目标认知和操作，构建大规模的基于部件的交互数据集 GAPartNet 并利用对抗学习技术提出鲁棒的三维分割方法，通过部分分割和姿态估计结果结合 GAPart 的姿态定义设计出一些基于部件的操作启发式策略能普遍适用于模拟器和现实世界的未知物体类别，方法在不同类别上大幅优于现有方法。

    Nov, 2022

  • 三维关节对象无监督姿态感知部件分解

    本文提出了一种 PPD 方法，针对具有机械关节的人造关节物体，考虑零件姿态，利用类似的类别先前知识，实现对零部件的非原始隐式表示的无监督学习和零件姿态作为单帧形状监督下的关节参数的无监督学习，提高了关节物体的一致部件分解率。

    Oct, 2021

  • 学习机器人技能组合模型，用于任务和动作规划

    该研究旨在通过学习使用感知运动基元来解决复杂的长期规划操作问题，其需要将基本技能组合成新的技能来推广应用于广泛的问题中，同时使用高效的主动学习和采样方法，将学习和规划方法结合来规划各种复杂的动态操作任务。

    Jun, 2020

  • 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

  • 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

  • 使用局部运动先验学习与环境的物理交互

    本文介绍了一种采用多部分运动先验（PMP）来使角色动画化的方法，并探讨了在交互丰富的场景中实现多样化运动的可能性。

    May, 2023

  • PartSLAM：无监督基于部件的场景建模，用于快速简洁地地图匹配

    本文研究一种基于部分场景建模的地图匹配方法，使用常见模式发现技术和随机视觉短语技术进行实现，大大提高机器人视觉任务中地图匹配技术的可扩展性。

    Jun, 2023

  • 通过部件检索和组装实现非监督式三维形状重建

    通过在实现中使用用户提供的一组三维部件的库，我们提出了基于自我监督的方法来将 3D 形状分解，使得对部件的选择和分解方式都可以进行完全控制。实验表明，这种方法比现有方法提供了更高的重构准确性和更理想的分解。

    Mar, 2023