arXiv cs.AI· Sateesh Kumar, Arnav Balaji, Arpit Bahety, Skand Peri, Georgios Pavlakos, Roberto Mart\'in-Mart\'in·· 11 小时前AI 评分31
MOMASPLAT：面向移动操作动态新视角演示增强框架
MOMASPLAT: Dynamic Novel-View Demonstration Augmentation for Mobile Manipulation
AI 导读
MOMASPLAT 是一个面向移动操作的新视角演示增强框架，可从未见过的机器人基座位姿合成包含动态物体交互的完整操作轨迹。它结合 3D Gaussian Splatting、前馈 3D 基础模型与基于运动学的动作重定向，分别重建场景与被操作物体并生成几何一致的合成演示及变换后的动作。
正文 · AI 翻译
摘要：通过模仿学习训练的视觉运动策略对相机视角变化高度敏感。这对移动操作（MoMa）尤为棘手，因为导航不确定性、定位漂移和环境约束，机器人很少能从与演示采集时完全相同的基座姿态执行操作。近期方法使用新视角合成（NVS）以未见视角增强演示，但它们假设场景是静态的，因此无法在接触后交互阶段重新渲染被操作物体，导致演示中最关键的部分未被增强。我们提出 MOMASPLAT，一个面向移动操作的新视角演示增强框架，可从未见过的机器人基座姿态合成完整操作轨迹，包括动态物体交互。我们的关键洞见是，标准 MoMa 数据采集天然提供了重建静态场景和被操作物体三维结构所需的多视角观测。MOMASPLAT 结合 3D 高斯泼溅、前馈 3D 基础模型和基于运动学的动作重定向，分别重建场景和被操作物体，从新视角渲染它们，并生成几何一致的合成演示及变换后的动作。我们在三个场景中涉及刚性和铰接物体的五个真实世界移动操作任务上评估 MOMASPLAT，并在仿真中验证其合成演示相对于真值的保真度。MOMASPLAT 显著提升了对未见基座姿态的鲁棒性，使最强基线的平均成功率提高一倍以上，并在所有基线均失败的大基座位移下保持非平凡的成功率，同时减少了对大规模真实世界数据采集的需求。
| 评论： | 项目页面：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2611.08372 [cs.RO] |
| （或 arXiv:2611.08372v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08372 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sateesh Kumar [查看电子邮件]
[v1]
2026年11月5日星期四 17:50:35 UTC（2,306 KB）
来源：arXiv cs.AI · arxiv.org