Topology-Agnostic Mesh Reconstruction of Deformable Objects from Sparse Touch
本文提出了一种与拓扑无关的深度学习框架，该框架能够在无视觉辅助的情况下，从稀疏的触觉数据中重建变形物体的完整三维网格，其性能显著优于传统的几何方法，并利用深度集成不确定性来优化遮挡环境中的主动触觉策略。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，如果你被蒙上了双眼，试图去弄清楚一张揉皱的纸、一根缠绕在一起的跳绳或是一个软绵绵的压力球是什么形状。你看不见它们，只能用手指在几个随机的点上戳一戳。这就是机器人在处理像衣服、电缆或柔软玩具这类柔软、易变形物体时每天面临的现实。在机器人领域，这被称为“可变形感知”。通常，机器人依靠摄像头来观察它们正在抓取的东西，但当物体位于黑色的袋子里、被手遮挡住，或者埋在自身层层叠叠的褶皱之下时，摄像头就会失效。当视觉消失时，触觉就成了唯一的感官。但触觉非常棘手：仅仅一次戳刺只能告诉你一个微小的点，而不是整个形状。科学家们一直在问一个大问题：机器人能否仅凭几次这种微小的局部戳刺，就推断出整个易变形物体的三维形状？如果可以，它能否学会选择“最佳”的戳刺位置，从而通过下一次触碰获取最多的信息？
这篇论文正是在解决这个难题。研究人员构建了一个聪明的计算机大脑，充当一名“形状侦探”。这个系统不需要摄像头，而是利用一种特殊的人工智能，仅根据几次触摸就能猜出绳索、布料或三维软块的完整形状。最酷的地方在于，这一个大脑可以适用于这三种类型的物体，而无需为每种物体重新进行训练。这就像拥有一位大师级厨师，只需通过感觉几个点，就能完美猜出缠绕在一起的项链、皱巴巴的衬衫或是一个软绵绵的压力球的形状。
团队发现，这个“形状侦探”非常擅长这项工作。当他们在计算机模拟中进行测试时，与以往那些仅尝试通过数学方式平滑形状的非学习方法相比，该人工智能将猜测误差减少了约三分之二。它在识别尖锐折痕和褶皱方面表现尤为出色，而其他方法往往会忽略这些细节。研究人员还教会了机器人一个诀窍，即决定下一步该戳哪里。他们发现，虽然随机戳刺效果尚可，但如果机器人能根据自身的“不确定性”（基本上就是它感觉最没把握的地方）来学习在哪里触碰，效果会更好。然而，这种“智能戳刺”带来的准确度提升幅度较小，且这种提升主要发生在物体非常皱缩、难以辨认的情况下。
有趣的是，论文还发现了一个令人惊讶的限制：如果你同时给机器人一个摄像头和一个触觉传感器，那么“智能戳刺”的诀窍就几乎不再重要了。一旦摄像头看到了物体，机器人就已经对形状有了充分的了解，因此选择完美的下一个触碰点并不会改变结果太多。这表明，真正的魔力不在于机器人选择触碰位置的能力，而在于当它看不见时，利用仅有的几次触碰来理解形状的能力。这项研究完全是在虚拟模拟中进行的，因此虽然结果令人期待，但尚未在现实世界的真实机器人上进行测试。不过，研究结果表明，对于在黑暗中或不透明容器内工作的机器人来说，一种基于学习的智能触觉解释方式，是实现“以手代眼”的关键。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。