透明时触摸！ACTOR：基于主动触觉的透明物体类别级重建
摘要：透明物体的准确形状重建是一项具有挑战性的任务，由于其非Lambertian表面，但对于机器人来说是准确姿势感知和安全操作的必要条件。由于视觉感知在透明物体上可能产生错误的测量结果，触觉模态对于物体的透明性不敏感，可以用于重建物体的形状。我们提出了ACTOR，一种新颖的基于主动触觉的类别级别透明物体重建框架。ACTOR利用大型的合成物体数据集以及我们提出的自监督学习方法来进行物体形状重建，因为收集真实世界的触觉数据代价昂贵。ACTOR可以在推理过程中使用来自类别级别未知透明物体的触觉数据进行重建。此外，我们提出了一种主动触觉物体探索策略，因为探测物体表面的每个部分可能效率低下。我们还使用ACTOR进行了基于触觉的类别级别物体姿势估计任务的演示。我们通过与最先进方法的全面比较研究，在真实世界的机器人实验中对我们提出的方法进行了广泛评估。我们的方法在基于触觉的物体重建和物体姿势估计方面优于这些方法。
作者：Prajval Kumar Murali, Bernd Porr, Mohsen Kaboli
论文ID：2307.16254
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-01