跳至正文
原文导读 · 原标题中译

用规划器验证的反事实测试审计抓取可行性预测器

Auditing Grasp Feasibility Predictors with Planner-Verified Counterfactuals

材料发布 2026-11-06 · arXiv · 作者论文 · 核查 2026-11-15
图 1:反事实测试。(左)一个可行的抓取。(右)当一个立方体(红色)被插入该抓取的接近路径后,同一抓取变为不可行;从立方体表面采样的点被加入点云(point cloud,即三维空间中的离散点表示)输入中。分类器 GraspFC-PTX 在两种场景下仍给出相同的预测 p(可行)=0.86。在 1,065 对此类样本上,其反事实配对 AUROC 为 0.498(随机水平为 0.5)。 图片出处
图 2:在 GraspNet-1B 场景上进行的反事实协议(针对已部署的 GraspFC-PTX)。固定同一个抓取;三个障碍物(悬空的走廊箱、静止的立柱、位于通行路径上的箱体)中的每一个都会使规划器将该抓取重新标记为不可行(红色),而无障碍的抓取保持可行(绿色)。模型对四者返回了相同的 p(可行),介于 0.975 到 0.976 之间,因此其评分无法区分清晰场景与三种受阻场景。 图片出处

内容摘要

抓取可行性预测器常在运动规划前筛掉不可行抓取、加速任务与运动规划(TAMP:离散任务动作与连续几何运动规划的组合),在点云基准上准确率接近满分。但基准高分并不能证明模型用了运动规划器所检查的碰撞几何:自然采样的抓取常常靠姿态就能预测标签,模型可以在不读场景几何的情况下把基准刷满。

做法是规划器验证的反事实测试:保持抓取位姿不变,向接近走廊插入一个实心障碍物,把障碍物表面的点加进模型输入,再让规划器重算标签,标签由可行翻转为不可行。两个前提被验证:每次编辑都真的翻转标签,障碍物经下采样后仍留在输入中。

结果是:接近满分的八个预测器在同姿态反事实上集体落到随机水平,CF-pair AUROC 从 0.920–0.996 降到 0.470–0.504(1,065 对,接近 0.5 不是估计噪声);翻转在四种规划器、两条机械臂和真实物体障碍物上都成立。失效机制不统一:GRN 只能察觉新增几何、分辨不到包围盒以下的形状,SceneCollisionNet 只到 12.5 厘米体素,障碍物在 Conv3D 体素网格和 AGFP-Net 五路深度图中都在却被丢弃。

作为对照,一个仅 23k 参数、只在未修改基准上训练的间隙感知读取模型达到 CF-pair 0.983,说明碰撞信号本就在输入里;但它仍绑定训练时的障碍物摆位,跨摆位泛化留作开放问题。作者释出反事实标签、指标、数据卡与重标注流水线,审计新模型无需重跑规划器。

点评

这套协议补上了抓取可行性筛选环节一项常规基准给不了的检查:同一个抓取姿态,加入障碍物后被规划器判为不可行,模型分数却不动,而自然基准对此完全无感。作者把反事实标签与指标做成可离线复用的资源,第三方可对自己实现的筛选器打分,不必每次付出一次规划器调用的开销。对开发者的直接提示是:瓶颈可能在输入表示——走廊间隙有没有被编码进特征——而不只是模型规模或数据量;论文给出的间隙感知读法(CF-pair 0.983)是这条路线的一个具体起点。

边界要说清:全部标签由仿真中的规划器产生,作者使用单臂 Franka Panda 与桌面 RGB-D 场景,覆盖的机械臂、夹爪与环境有限;作者在数据卡中明确声明该基准是障碍感知的诊断工具,不是部署安全证书,高分不代表可用于真机。间隙读取模型仍绑定训练时的摆位分布,跨摆位泛化是留给后续的开放问题。另外各模型对照条件不同(GRN 用的是同包围盒形状替换而非插入,部分模型为作者重实现),不同模型的数字不宜直接横向排名。

版本与核查范围

版本 2611.09130v1 · 原文定位与程序检查、独立上下文模型复核;不代表独立研究复现。。依据已核查材料整理;未运行模型或机器人。

原文与定位

  • 原文链接 #S1.p2.1;#abstract1.1;#S3.p4.1;#abstract1.1;#S3.p6.1;#abstract1.1;#as1_A4.T10.3;#S4.SS1.p1.1;#S4.SS5.p2.1;#S5.p2.1;#as1_A8.p5.1;#as1_A8.p6.1