本研究では、複数のオブジェクトからなる複合物体のアフォーダンスを学習するためのモデル「Multi-Object Graph Affordance Network (MOGAN)」を提案した。MOGANは、複合物体をグラフ構造で表現し、グラフニューラルネットワークを用いて複合物体の特徴を抽出する。そして、新しいオブジェクトを複合物体に置いた際の効果を予測する。
実験では、様々な形状のオブジェクト(球体、カップ、棒、リング)を用いて、複合物体を構築する6つのタスクを設定した。MOGANは、複合物体の特徴と新しいオブジェクトの特徴から、置いた際の効果を正確に予測できることが示された。この予測結果を用いて、目標指向の計画を行い、シミュレーション環境と実環境で高い成功率を達成した。
提案手法の主な貢献は以下の通りである:
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Tuba Girgin,... a las arxiv.org 05-07-2024
https://arxiv.org/pdf/2309.10426.pdfConsultas más profundas