01 研究背景
未來的家庭助理機器人，需要具備感知和操作人類環境中大規模多樣性 3D 物體的能力。在 3D 物體中，3D 鉸接物體包含具有重要的功能和語義資訊的鉸接部件（例如，櫥櫃的門和抽屜），人類和家庭助理機器人經常與它們進行互動，因此值得我們的關注。然而，與只有6個自由度（DoF）的普通剛性物體相比，鉸接物體具有更高的自由度，更難以被機器人理解和互動。
先前的工作，大多數使用估計 3D 鉸接物體的關節、部件姿態、動力學模型等的方法來理解和操作 3D 鉸接物體。在這篇論文裡，我們透過預測目標物體鉸接部件上每個點的可操作性分數，以及提出每個點上完成目標任務的多樣性軌跡，提出了一種新型的可操作性視覺表示（圖1）。這樣的視覺可操作性表示，可以泛化到不同形狀的物體上，且和操作物體的機器人型號無關。為了獲得這種視覺可操作性先驗表示，我們設計了一個透過互動進行感知學習的框架 VAT-Mart。
圖1. 輸入一個3D鉸接物體，我們的方法輸出了每個點的可操作性分數，以及多樣的操作軌跡
02 方 法
我們提出的 VAT-Mart 框架（圖2），由兩個模組構成：基於強化學習的互動式操作軌跡探索模組，以及視覺可操作性感知模組。軌跡探索模組為感知模組提出可操作性和多樣的操作軌跡資料，感知模組從軌跡探索模組的資料中整合可操作性和操作軌跡資訊，並且利用好奇心機制，為軌跡探索模組的軌跡多樣性提供指導。
具體而言，互動式操作軌跡探索模組，使用基於目標物體狀態的強化學習方法，生成不同物體、不同鉸接部件上可以完成不同任務的軌跡以及互動點的可操作性。為了收集多樣性的軌跡，操作軌跡探索模組使用的強化學習方法的獎勵由兩部分構成：軌跡是否可以完成任務的外部獎勵，以及感知模組提供的、當前軌跡是否新穎多樣的內部獎勵。感知模組由可操作性預測模組、軌跡提出模組、軌跡打分模組這三個子模組構成，它們分別預測每個點的可操作性、提出多樣化的可以完成指定任務的軌跡、預測軌跡是否可以完成指定任務。軌跡打分模組的輸出，同時會被作為內部獎勵，激勵軌跡探索模組以探索多樣性的軌跡。
圖2. 框架結構
03 實 驗
我們使用 SAPIEN 模擬器，在大規模 PartNet-Mobility 資料集上進行實驗。我們選取了2類常見的關節型別：門（旋轉）和抽屜（平移），選取開關門或抽屜作為4類任務，選取了7類物體，對於每個任務，我們把物體分為訓練類別（train-cat）和在訓練中沒有出現的新類別（test-cat）。對於每個任務，我們的框架預測出物體上每個點的可操作性分數，以及提出多樣的操作軌跡（圖3）。
圖3. 在不同任務和不同物體上，每個點的可操作性分數，以及多樣的操作軌跡
進一步地，我們在真實世界掃描的 3D 物體（Google Scan, RBO, Our Scan）上進行了實驗（圖4的左半部分），並且使用 franka panda 機械臂進行了真機實驗（圖4的右半部分）。
在大規模資料集和真實世界資料、真機上，我們的方法展現能夠高效地預測可操作性和提出動作軌跡，並且在新環境、新類別物體上展現出了不錯的泛化能力。
圖4. 在真實世界資料上（左），以及真機實驗（右）的效果
04 總 結
在這篇論文中，為了感知和操作 3D 鉸接物體，我們提出了一個新穎的可泛化的視覺可操作性表示，並且設計了 VAT-Mart 框架，預測目標物體鉸接部件上每個點的可操作性，以及提出可以完成目標任務的多樣性操作軌跡。在大規模 PartNet-Mobility 資料集和真實世界資料、真實機械臂上的實驗，證明了我們提出的框架的高效性。
圖文 | 吳睿海
PKU Hyperplane Lab