NeuGrasp: Generalizable Neural Surface Reconstruction with Background Priors for Material-Agnostic Object Grasp Detection

要約

透明性と鏡面オブジェクトを使用したシーンでのロボット把握は、正確な深さ情報に依存する方法に大きな課題を提示します。
このホワイトペーパーでは、材料と存在する把握検出のためにバックグラウンドプライアーを活用する神経表面再構成方法であるNeugraspを紹介します。
Neugraspは、変圧器とグローバルな以前のボリュームを統合して、マルチビュー機能を空間エンコードで集約し、狭くてまばらな視聴条件で堅牢な表面再構成を可能にします。
残留特徴の強化と占有率の空間知覚を洗練することにより、フォアグラウンドオブジェクトに焦点を合わせることにより、Neugraspは透明で鏡面表面を備えたオブジェクトの取り扱いに優れています。
シミュレートされたシナリオと実世界の両方のシナリオでの広範な実験は、neugraspが同等の再構築品質を維持しながら、把握する最先端の方法よりも優れていることを示しています。
詳細については、https：//neugrasp.github.io/をご覧ください。

要約(オリジナル)

Robotic grasping in scenes with transparent and specular objects presents great challenges for methods relying on accurate depth information. In this paper, we introduce NeuGrasp, a neural surface reconstruction method that leverages background priors for material-agnostic grasp detection. NeuGrasp integrates transformers and global prior volumes to aggregate multi-view features with spatial encoding, enabling robust surface reconstruction in narrow and sparse viewing conditions. By focusing on foreground objects through residual feature enhancement and refining spatial perception with an occupancy-prior volume, NeuGrasp excels in handling objects with transparent and specular surfaces. Extensive experiments in both simulated and real-world scenarios show that NeuGrasp outperforms state-of-the-art methods in grasping while maintaining comparable reconstruction quality. More details are available at https://neugrasp.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google