王小新 编译自 GitHub
量子位 出品 | 公众号 QbitAI
最近，Google的一组科研人员完成了一篇新论文：基于几何感知表征的抓取交互学习（Learning Grasping Interaction with Geometry-aware Representations），论文提出了一种几何感知编码器-解码器网络，利用几何感知表征来学习实现抓取交互。
这篇论文的作者包括：密歇根大学的前谷歌大脑实习生Xinchen Yan，谷歌大脑的Jasmine Hsu、James Davidson，Google X的Mohi Khansari、Yunfei Bai、以及谷歌、谷歌研究院的Arkanath Pathak、Abhinav Gupta。
具体效果如何呢？作者还提供了一个关于实验结果的简短演示视频：
以下，是论文主要内容的介绍：
论文摘要学习与环境中的物体进行交互是一个涉及到感知、运动规划和控制的根本性AI问题。然而，由于存在高维状态空间、很难创建大规模数据集和很难关注到物体外观的多类变化信息（如几何结构、材质、纹理和照射度等），因此学习此类交互表征十分具有挑战性。
我们论证了物体3D几何结构是抓取交互的研究核心，并提出一种称为几何感知学习智能体（geometry-aware learning agent）的新概念。
本文的核心思想是通过3D几何学预测来约束和规范交互学习。
△ 两阶段学习框架示意图
我们提出了一种两阶段的学习框架，分别执行3D形态预测和利用几何感知表征进行抓取结果预测。给定任何场景下的2D感知输入，都能生成相应的3D物体形状（如体积表征），这是本文所提出的几何感知智能体中一个非常重要的特性。更具体地说，
在本文构想中，几何感知表征可理解为:（1）一种在世界坐标系下以相机目标为中心的场景的占用网格表征方法，和（2）其对相机视角和距离具有不变性。
模型结构
△ 几何感知编码器-解码器网络示意图
本文所构建的几何感知编码器-解码器网络包含两个部分，分别是3D形态生成网络（生成功能）和抓取结果预测网络（预测功能）。其中，形态生成网络包含一个2D卷积形态编码器和一个3D反卷积形态解码器，再接上一个全局投影层；结果预测网络包含一个2D卷积状态编码器和一个带有额外局部形态投影层的全连接结果预测器。
实验下图从直观层面和内在信息流两个角度简单介绍了3D形态预测的流程图。
△ 3D形态预测流程图
论文传送门：https://arxiv.org/pdf/1708.07303.pdf
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI
վ'ᴗ' ի 追踪AI技术和产品新动态
,
