← 视觉 · 语言 · 动作 / 三维空间与操作

正式发表 / Vision–Language–Action

Transporter Networks

Transporter Networks: Rearranging the Visual World for Robotic Manipulation

CoRL · 2020

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
抓取条件特征搬运Transporter Networks · 原文 Fig. 3 · p.4 ↗

以抓取点周围的深度特征为查询,在整张场景特征图上做互相关,找到与抓取位置对应的放置位姿。

  1. 01预测抓取位置
  2. 02裁出局部深度特征
  3. 03互相关寻找放置位置
Transporter Networks抓取条件特征搬运
抓取条件特征搬运

以抓取点周围的深度特征为查询,在整张场景特征图上做互相关,找到与抓取位置对应的放置位姿。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

以抓取点周围的深度特征为查询,在整张场景特征图上做互相关,找到与抓取位置对应的放置位姿。

WHY READ IT

为什么放在这条路线

从空间归纳偏置理解少样本操作,也是阅读 CLIPort 语义与空间双通路的前置工作。

当前阶段三维空间与操作 ↗

空间特征、关键位姿和几何结构如何帮助操作?

READ WITH A QUESTION

读的时候,留意什么

搬运的是特征而非像素;关注俯视重建、动作维度与具体任务设定,不能泛化为任意机器人控制。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器