object rearrangement | BriefGPT

关键词object rearrangement

搜索结果 - 10

ORLA*: 移动操作器基于懒 A * 的物体重新排列
移动机器人对象重新排列的时间最优解决方案，使用延迟计算和机器学习支持多层次重新排列任务以及堆稳定性考虑。
PDF9 months ago
SG-Bot：基于场景图的粗到细机器人想象力的目标重新排列
SG-Bot 是一种新颖的重新排列框架，利用分级的场景图作为场景表示，通过观察、想象和执行三个步骤，灵活地处理对象重新排列任务，并通过生成模型形成目标场景，此外，实验结果表明 SG-Bot 在性能上超过竞争对手很大一个幅度。
PDF9 months ago
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）。
PDFa year ago
神经约束满足：层次抽象在物体重新排列中的组合推广
通过构建一个因式分解转换图，将通过像素推断出的实体代表聚类，进而实现对嵌入式代理的物体重新排列的控制，解决到目前为止难以解决的大量实体配置问题。
PDFa year ago
ICML基于图形激活奖励学习的通用空间目标表示发现
本文讨论了一种针对物体重新排列任务的单次模仿学习方法，通过基于图等价映射的奖励学习策略发现和学习与目标规范一致的空间目标表达，并与强基线方法相比，显著提高了学习目标表达在不同环境下的泛化能力。
PDF2 years ago
用神经描述符场进行 SE（3）等变关系重排
本文提出了一种基于点云观测数据，实现元素实例任意姿态下空间关系任务的方法，该方法通过三个步骤解决了元素重排列问题：指定本地协调对象部件的一致坐标系；在新的对象实例上确定该坐标系的位置和方向；实施调整坐标系以达到所需呈现的目的。关键技术难题得
PDF2 years ago
StructDiffusion：面向物体的扩散算法，用于新型物体的语义重组
本文介绍了如何使用扩散模型和面向对象的变压器构建物理有效的结构，以便在多步骤的三维规划任务中创建复杂的配置。实验结果表明，该方法相对于现有的多模态变压器模型，改进了 16％的成功率，同时扩展了一种多任务模型来产生更广泛的不同构型。
PDF2 years ago
TarGF: 学习目标梯度场以无需显式目标规定重新排列物体
本文提出一种目标渐变场（TarGF）方法，通过对于目标分布的有限数量解释，实现物体重排无需明确目标要求的任务。该方法能够显著提升终止状态的质量、控制过程的效率和可伸缩性，与现有的方法相比具有很大的优势。
PDF2 years ago
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
PDF2 years ago
IFOR: 机器人物体重新排列的迭代流量最小化
IFOR is an end-to-end method for accurately rearranging unknown objects in unstructured environments by applying an opti
PDF2 years ago