ICCV 2023 | 用“自编码器+多模态学习”更有效地解决3D物体可供性问题-CSDN博客

本文链接：https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/134131014

本文提出了Multimodality-Aware Autoencoder-based Affordance Learning (MAAL)，通过自编码器学习3D物体的可供性特性，减少无效样本需求，同时引入多模态学习模块MME，有效处理不同模态信息，提升可供性学习效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

©PaperWeekly 原创 ·作者 | 梁远智

单位 | 悉尼科技大学

研究方向 | 具身智能

论文标题：

MAAL: Multimodality-Aware Autoencoder-based Affordance Learning for 3D Articulated Objects

论文链接：

https://openaccess.thecvf.com/content/ICCV2023/papers/Liang_MAAL_Multimodality-Aware_Autoencoder-Based_Affordance_Learning_for_3D_Articulated_Objects_ICCV_2023_paper.pdf

Affordance 即可供性，指环境属性使得个体的某种行为得以实施的可能性。在 3D 场景下，如果我们想要让机器人和环境中的物体做交互，让机器理解物体可供性是十分基础和必要的一个步骤。机器需要去理解物体在哪里可以施加作用力，并可以施加什么样的动作。例如，如果机器人需要操作桌面上的水瓶，它需要理解何处可以抓取和如何抓取，而后通过执行动作来移动水瓶。

进一步的，类似水瓶这样的简单物体并不要求机器有深刻的理解能力。它可以抓取瓶身、瓶颈等任意地方，都可以挪动瓶子。现实生活中，人类操作物体的需求要远比这复杂。我们会面临大量的，带有铰链的，有特殊结构的物体，比如柜子、水龙头、冰箱、洗衣机等等。这些物体存在相对复杂的内部构造，不仅仅是挪动整个物体，我们常常需要根据物体的内在结果来操作物体，比如打开柜门，按下按钮等等。这一系列带有铰链结构的，相对复杂的物体给机器人的理解和操作能力提出了更高的要求。

目前，一些