Transporter Networks

Transporter Networks: Rearranging the Visual World for Robotic Manipulation进阶

把抓放操作看成「在图像上把一块区域挪到另一处」的高样本效率操作网络

Robotics at Google（Andy Zeng、Pete Florence 等）2020 年 10 月发布，发表于 CoRL 2020，入围最佳论文。它把桌面抓取放置类任务看成一连串「空间位移」：先在俯视图像上预测在哪抓，再把抓取点周围的深度特征裁下来，与整张场景的特征做互相关（逐位置比对），找出最合适的放置位置和旋转角度。这种设计不需要先检测物体，又天然利用了平移、旋转对称性，所以非常省数据，少量示教就能学会堆积木、套件装配、理绳子、推物体等任务，也能扩展到 6 自由度抓放。论文同时开源了基于 PyBullet 的 Ravens 仿真任务集。后来的 CLIPort 在它上面加入 CLIP 语言理解，成为语言条件操作的常用基线。