学习杂乱存储中刀片插入的三维可供性
VulcanVoxel是一种通过3D占用场掩码自编码器学习空间可供性的方法，用于机器人在杂乱织物箱中为刀片插入腾出空间。该方法在10,000个真实仓库存储片段上训练，无需人工标注，Top-5覆盖率达到0.89，优于基于姿态的基线（0.71）。蒸馏后的学生模型可在30毫秒内完成RGB到体素的推理。
在许多机器人操作任务中，感知空间可供性至关重要——即发现延伸刚性工具可以安全导航的体积区域，这与用于抓取的表面接触可供性互补。杂乱存储中的刀片插入是一个典型场景：机器人需要在堆满物品的织物箱中用刀片扫开物品，为插入腾出空间。现有的生产级存储系统会产生数百万次这样的操作，但标准方法通常将可供性推断为SE(3)姿态分布，这本质上是几何问题却选错了领域。
VulcanVoxel提出了一种全新的空间推理方法。它使用一个基于3D占用场的掩码自编码器，根据场景几何条件重建刀片占用情况，在局部体素级别计算可行性，从而从单模态数据中恢复多模态预测。刀片可供性被定义为由几何可行性确定的3D空间子集，而非姿态参数。姿态参数缺乏用于判断未观测位置是否可行的结构，而包括流匹配在内的标准生成目标只能忠实学习执行策略产生的单模态分布，无法恢复几何替代方案。这种空间推理方式更符合几何本质，能够发现执行策略未曾展示的可行区域。
VulcanVoxel在10,000个真实仓库存储片段上训练，完全无需人工标注。实验结果显示，其Top-5覆盖率达到0.89，而最佳基于姿态的基线仅为0.71。这意味着VulcanVoxel能够更全面地发现可行的插入空间，为机器人提供更多操作选择。此外，通过知识蒸馏得到的轻量级学生模型可将RGB图像直接转换为体素表示，推理时间仅需30毫秒，而原始体素到体素方法需要1.4秒。这一加速使得该方法可部署在实时系统中。研究团队还发布了一个包含RGB-D观测和姿态轨迹的真实刀片插入循环数据集，可在https://www.armbench.com/blade_insertion.html获取。该工作展示了空间可供性学习在复杂机器人操作中的巨大潜力，为未来仓储自动化提供了新的技术方向。