arXiv Robotics· Denis Hadjivelichkov, Sebastian {\AE}gidius, Valerio Modugno, Dimitrios Kanoulas·· 5 小时前AI 评分31
DINOBot 框架引入 RANSAC 与任务关键区域对齐，提升物体交互模仿成功率 13.8%
Task-Critical Part Alignment Improves Imitation of Object Interactions
AI 导读
DINOBot 框架通过在对齐阶段引入 RANSAC 剔除离群点，并将语义对应聚焦于任务相关交互区域，提升物体-物体交互模仿学习的精度与效率。在真实机器人抓取、插入、摇晃和倾倒任务中，该方法相比基线任务成功率整体提升 13.8%，对齐过程收敛更快。
推荐理由模型分析
针对机器人模仿学习中深度噪声和错误特征匹配导致对齐不稳的问题，作者在DINOBot对齐阶段加入RANSAC剔除离群点，并把语义对应限制在任务关键交互区域。在抓取、插入、摇晃、倾倒等真实操作任务上，成功率较基线提升13.8%，对齐收敛更快。做物体交互模仿与位姿迁移的研究者可据此比较其鲁棒性改进，但结论限于该实验平台与任务集。
来源：arXiv Robotics · arxiv.org