shelf-picking

DA-Fusion Transformer 提升未见物体分割能力，助力物流业

研究人员开发了DA-Fusion，一种新颖的Transformer模型，它利用可变形注意力来融合RGB和深度数据，以改进未见过的物体实例分割。这项进展对于物流自动化任务（如箱式抓取和货架式抓取）尤其有益，因为在这些任务中，在混乱环境中精确识别物体至关重要。该团队还引入了物体混乱箱数据集（Object Clutter Bin Dataset, OCBD）来评估这些场景下的性能基准，证明了DA-Fusion在准确性方面优于现有方法。