ترجمه فارسی مقاله GraspSplats: دستکاری کارآمد با پخش ویژگی های سه بعدی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی GraspSplats: Efficient Manipulation with 3D Feature Splatting
عنوان مقاله به فارسی GraspSplats: دستکاری کارآمد با پخش ویژگی های سه بعدی
نویسندگان Mazeyu Ji, Ri-Zhao Qiu, Xueyan Zou, Xiaolong Wang
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Robotics,Computer Vision and Pattern Recognition,Machine Learning,روباتیک , دید رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 3 September, 2024; originally announced September 2024. , Comments: Project webpage: https://graspsplats.github.io/
توضیحات به فارسی ارسال شده در 3 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد. ، نظرات: صفحه وب پروژه: https://graspsplats.github.io/
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The ability for robots to perform efficient and zero-shot grasping of object parts is crucial for practical applications and is becoming prevalent with recent advances in Vision-Language Models (VLMs). To bridge the 2D-to-3D gap for representations to support such a capability, existing methods rely on neural fields (NeRFs) via differentiable rendering or point-based projection methods. However, we demonstrate that NeRFs are inappropriate for scene changes due to their implicitness and point-based methods are inaccurate for part localization without rendering-based optimization. To amend these issues, we propose GraspSplats. Using depth supervision and a novel reference feature computation method, GraspSplats generates high-quality scene representations in under 60 seconds. We further validate the advantages of Gaussian-based representation by showing that the explicit and optimized geometry in GraspSplats is sufficient to natively support (1) real-time grasp sampling and (2) dynamic and articulated object manipulation with point trackers. With extensive experiments on a Franka robot, we demonstrate that GraspSplats significantly outperforms existing methods under diverse task settings. In particular, GraspSplats outperforms NeRF-based methods like F3RM and LERF-TOGO, and 2D detection methods.

چکیده به فارسی (ترجمه ماشینی)

توانایی روبات ها برای انجام گرفتن کارآمد و صفر از قطعات شیء برای کاربردهای عملی بسیار مهم است و با پیشرفت های اخیر در مدلهای بینایی زبان (VLM) رواج دارد.برای عبور از شکاف 2D به 3D برای بازنمایی برای پشتیبانی از چنین توانایی ، روشهای موجود از طریق روشهای ارائه دهنده یا طرح ریزی مبتنی بر نقطه به مزارع عصبی (NERF) متکی هستند.با این حال ، ما نشان می دهیم که NERF ها به دلیل ضمنی بودن و روشهای مبتنی بر نقطه ، برای بومی سازی بخشی بدون ارائه بهینه سازی مبتنی بر آن نادرست هستند.برای اصلاح این مسائل ، ما Graspsplats را پیشنهاد می کنیم.با استفاده از نظارت عمق و یک روش محاسبه ویژگی مرجع جدید ، Graspsplats در کمتر از 60 ثانیه نمایش صحنه با کیفیت بالا را ایجاد می کند.ما بیشتر مزایای بازنمایی مبتنی بر گاوسی را با نشان دادن اینکه هندسه صریح و بهینه شده در Graspsplats برای پشتیبانی از بومی (1) نمونه برداری از درک در زمان واقعی و (2) دستکاری شیء پویا و مفصل با ردیاب های نقطه کافی است.با آزمایش های گسترده ای در مورد یک ربات Franka ، ما نشان می دهیم که Graspsplats به طور قابل توجهی از روشهای موجود تحت تنظیمات کار متنوع بهتر عمل می کند.به طور خاص ، Graspsplats از روشهای مبتنی بر NERF مانند F3RM و LERF-TOGO و روش های تشخیص 2D بهتر عمل می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.