PulseAugur
实时 13:12:57
English(EN) Learning 3D Affordances for Blade Insertion in Cluttered Stowing

VulcanVoxel 学习用于机器人刀片插入的 3D 意图

研究人员开发了 VulcanVoxel,这是一种机器人学习 3D 意图的新方法,特别适用于杂乱环境中的刀片插入任务。与推断 SE(3) 位姿分布的传统方法不同,VulcanVoxel 通过在 3D 占用场上使用掩码自编码器来预测刀片占用,从而在空间上进行操作。该方法在每个体素处局部重建可行性,使其能够从单峰数据中恢复多峰预测。VulcanVoxel 在没有人工标注的情况下,在 10,000 次真实仓库存放的试验中进行训练,在覆盖率方面显著优于基于位姿的基线,并提供了一个蒸馏的学生模型,用于快速的 RGB 到体素推理。 AI

影响 这项研究可以提高机器人处理复杂任务的灵活性和效率,可能对物流和制造业自动化产生影响。

排序理由 该集群包含一篇详细介绍机器人操作新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

VulcanVoxel 学习用于机器人刀片插入的 3D 意图

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Tianyu Li, Harpreet Sawhney, Minju Jung, Aditya Mehrotra, Kunal Mehrotra, Mudit Agrawal ·

    Learning 3D Affordances for Blade Insertion in Cluttered Stowing

    arXiv:2607.02549v1 Announce Type: new Abstract: Many manipulation tasks require reasoning about free-space affordances: discovering volumes where an extended rigid tool can safely navigate, complementary to surface contact affordances for grasping. Robotic stowing is a canonical …