用于机器人浇注的自监督透明液体分割

能够倒液体的机器人将有助于完成烹饪或浇灌植物等任务。然而，透明液体很难在图像中感知。最近发表在 arXiv.org 上的一篇论文提出了一种在透明容器内感知透明液体的方法。

该方法使用生成模型，该模型学习将有色液体的图像转换为透明液体的合成图像，可用于训练透明液体分割模型。它不需要彩色图像和透明图像之间的标记对应关系，因此可以自动高效地收集数据集。

研究人员构建了一个机器人倾倒系统来展示透明液体分割模型的实用性。此外，还进行了几个数据集扩充实验，以证明所提出的方法具有泛化到不同场景的潜力。

液态估计对于浇注等机器人任务很重要;然而，估计透明液体的状态是一个具有挑战性的问题。我们提出了一种新颖的分割管道，可以从静态 RGB 图像中分割透明液体(例如水)，而无需任何手动注释或加热液体进行训练。相反，我们使用了一个生成模型，该模型能够将有色液体的图像转换为合成生成的透明液体图像，仅在未配对的有色和透明液体图像数据集上进行训练。使用背景减法自动获得有色液体的分割标签。我们的实验表明，我们能够准确地预测透明液体的分割掩码，而无需任何手动注释。

标签：