學習雜亂儲存中刀片插入的三維可供性
VulcanVoxel是一種透過3D佔用場掩碼自編碼器學習空間可供性的方法，用於機器人在雜亂織物箱中為刀片插入騰出空間。該方法在10,000個真實倉庫儲存片段上訓練，無需人工標註，Top-5覆蓋率達到0.89，優於基於姿態的基線（0.71）。蒸餾後的學生模型可在30毫秒內完成RGB到體素的推理。
在許多機器人操作任務中，感知空間可供性至關重要——即發現延伸剛性工具可以安全導航的體積區域，這與用於抓取的表面接觸可供性互補。雜亂儲存中的刀片插入是一個典型場景：機器人需要在堆滿物品的織物箱中用刀片掃開物品，為插入騰出空間。現有的生產級儲存系統會產生數百萬次這樣的操作，但標準方法通常將可供性推斷為SE(3)姿態分佈，這本質上是幾何問題卻選錯了領域。
VulcanVoxel提出了一種全新的空間推理方法。它使用一個基於3D佔用場的掩碼自編碼器，根據場景幾何條件重建刀片佔用情況，在區域性體素級別計算可行性，從而從單模態資料中恢復多模態預測。刀片可供性被定義為由幾何可行性確定的3D空間子集，而非姿態引數。姿態引數缺乏用於判斷未觀測位置是否可行的結構，而包括流匹配在內的標準生成目標只能忠實學習執行策略產生的單模態分佈，無法恢復幾何替代方案。這種空間推理方式更符合幾何本質，能夠發現執行策略未曾展示的可行區域。
VulcanVoxel在10,000個真實倉庫儲存片段上訓練，完全無需人工標註。實驗結果顯示，其Top-5覆蓋率達到0.89，而最佳基於姿態的基線僅為0.71。這意味著VulcanVoxel能夠更全面地發現可行的插入空間，為機器人提供更多操作選擇。此外，透過知識蒸餾得到的輕量級學生模型可將RGB影像直接轉換為體素表示，推理時間僅需30毫秒，而原始體素到體素方法需要1.4秒。這一加速使得該方法可部署在即時系統中。研究團隊還發布了一個包含RGB-D觀測和姿態軌跡的真實刀片插入迴圈資料集，可在https://www.armbench.com/blade_insertion.html獲取。該工作展示了空間可供性學習在複雜機器人操作中的巨大潛力，為未來倉儲自動化提供了新的技術方向。