MoMa-SG框架与Arti4D-Semantic数据集发布

MoMa-SG 是一个构建铰接场景语义-运动学 3D 场景图的框架，通过遮挡鲁棒的点跟踪推断物体运动，并用统一的 twist 估计公式在单次优化中同时估计旋转关节和棱柱关节参数。作者同时发布 Arti4D-Semantic 数据集，涵盖 62 段真实 RGB-D 序列、600 次物体交互和三种观测范式，并在四足机器人和移动操作平台上验证了日常家庭环境中的铰接物体操作。

摘自 arXiv Artificial Intelligence

还没有足够的连续观测数据，暂不绘制趋势。