位姿后验规划在仿真中缩小抓取差距
热点事件持续更新
位姿后验规划在仿真中缩小抓取差距
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Md Selim Sarowar 与 Sungho Kim 构建 LM-Grasp 基准,用 15,800 张真实 LINEMOD RGB-D 图像在扫描网格上仿真抓取结果,指出把 6D 位姿当作精确值会降低仿真抓取成功率。FoundationPose 在 0.997 的测试场景满足 ADD(-S) 标准,但按其估计位姿规划仅在 0.791 场景成功,使用标注位姿为 0.856。 由于估计器不报告不确定性,作者用其在标注训练帧上的误差构建位姿后验,在不重训估计器的情况下,后验规划成功率为 0.859,与标注位姿结果相差 +0.003,95% 场景配对自助法区间为 [-0.003, +0.009];作者称该区间与“无差异”及“小幅落后”均相容,且未做等价性检验。 在未用于调参的遮挡场景 LM-O 上,作者称后验规划弥合了与标注位姿之间 66% 的差距。以上均为仿真结果,非实机验证。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
LM-Grasp 基准研究:位姿精度不等于抓取可靠性,残差位姿后验可改善仿真抓取规划报道时间线
沿着报道,了解事件的不同侧面。
11月3日
- arXiv · cs.RO精选LM-Grasp 基准研究:位姿精度不等于抓取可靠性,残差位姿后验可改善仿真抓取规划
作者构建 LM-Grasp 基准,用 15,800 张真实 LINEMOD RGB-D 图像在扫描网格上仿真抓取结果,指出基于模型抓取把 6D 位姿当作精确值会降低仿真抓取成功率。FoundationPose 在 0.997 的测试场景满足 ADD(-S) 标准,但按其估计位姿规划仅在 0.791 场景成功,使用标注位姿为 0.856。由于估计器不报告不确定性,作者用其在标注训练帧上的误差构建位姿后验。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。