学习特定姿势放置的对象重定向

将物体放置在特定姿势是机器人在产品展示、存储或包装等应用中的一项重要能力。最近，已经提出了几种机器学习方法来为对象重新定向生成成功且有效的运动轨迹。

arXiv.org最近的一篇论文提出了一种新方法，该方法使用基于采样的方法进行运动生成。

学习模型评估质量，然后预测候选运动航路点的成功和效率。从这些航路点，轨迹是由传统的运动规划生成的。该方法利用了传统运动规划的一般性以及学习模型的推理速度和鲁棒性。

研究人员使用单个机器人安装的RGB-D相机将其应用于视觉场景理解。结果表明，该系统能够在现实世界中进行实时场景理解、规划和执行。

机器人需要能够以任意、特定的姿势放置物体来重新排列世界并完成各种有价值的任务。对象重新定向在这方面起着至关重要的作用，因为对象最初可能不会被定向，以便机器人可以抓住然后立即将它们放置在特定的目标姿势中。在这项工作中，我们提出了一个基于视觉的操作系统ReorientBot，它包括：1)使用板载RGB-D相机进行姿态估计和体积重建的视觉场景理解;2)学习航路点选择，以成功且高效地生成重新定向运动;3)传统的运动规划，从选定的航路点生成无碰撞轨迹。我们在模拟和现实世界中使用YCB对象评估我们的方法，总体成功率达到93%，成功率提高了81%，与启发式方法相比，执行时间缩短了22%。我们展示了扩展的多对象重排，展示了系统的一般能力。

标签：