Online Learning of Piecewise Polynomial Signed Distance Fields for Manipulation Tasks

要約

距離に関する推論は、操作タスクで接触を確立または回避するために不可欠です。
この目的を達成するために、区分的多項式基底関数を使用して符号付き距離の暗黙的な表現を学習するオンライン方法を提案します。
任意の以前の形状から開始して、私たちのアプローチは、受信点群データから連続表現を段階的に構築します。
トレーニング データを保存する必要がなく、距離と分析勾配に高速にアクセスできます。
さまざまな家庭用品のモデルの精度を評価し、それをニューラル ネットワークおよびガウス プロセスの対応物と比較します。
距離の再構成とリアルタイム更新は、まばらな点群データを同時に収集し、進化するモデルを使用してマニピュレータを制御することにより、物理実験でさらに評価されます。

要約(オリジナル)

Reasoning about distance is indispensable for establishing or avoiding contact in manipulation tasks. To this end, we present an online method for learning implicit representations of signed distance using piecewise polynomial basis functions. Starting from an arbitrary prior shape, our approach incrementally constructs a continuous representation from incoming point cloud data. It offers fast access to distance and analytical gradients without the need to store training data. We assess the accuracy of our model on a diverse set of household objects and compare it to neural network and Gaussian process counterparts. Distance reconstruction and real-time updates are further evaluated in a physical experiment by simultaneously collecting sparse point cloud data and using the evolving model to control a manipulator.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google