返回
Language-Embedded 6D Pose Estimation for Tool Manipulation
DOI:10.1109/LRA.2025.3587559.png)
摘要
En 中文
机器人工具操作需要在视觉挑战条件下(如形状变化和遮挡)理解任务相关的语义。本文提出了一种新颖的语言嵌入语义6D位姿估计框架,该框架将自然语言指令与3D点云数据相结合,以实现工具功能部件的类别级6D位姿估计。通过嵌入来自大型语言模型(LLMs)的语义信息并利用基于扩散的位姿估计器,本方法实现了跨多种工具类别的鲁棒泛化。我们介绍了一个全面的合成数据集,该数据集针对工具操作场景进行了设计,并标注了功能部件的6D位姿。在合成数据集和真实机器人上进行的广泛实验表明,本系统能够解释自然语言命令、预测功能部件的位姿,并在操作任务中表现出显著提高的准确性和泛化能力。
Keyword:
6D Pose estimation
dataset generation
large language model (LLM)
robotic manipulation
期刊
I
IF:
5.3
论文数:
1.9K
被引数:
3.9W
机构
引用论文
GAPartNet: Cross-Category Domain-Generalizable Object Perception and Manipulation via Generalizable and Actionable PartsGAPartNet:通过通用且可执行部件实现跨类别、领域泛化的物体感知与操作

