3D 视觉

3DSGrasp: 3D Shape-Completion for Robotic Grasp

3DSGrasp：用于机器人抓取的3D形状补全

Seyed S. Mohammadi, Nuno F. Duarte, Dimitris Dimou, Yiming Wang, Matteo Taiana, Pietro Morerio, Atabak Dehban, Plinio Moreno, Alexandre Bernardino, Alessio Del Bue, Jose Santos-Victor

机构 * Vislab, Institute for Systems and Robotics—Lisboa, Instituto Superior Técnico, Universidade de Lisboa, Portugal（葡萄牙里斯本系统与机器人研究所Vislab，理工学院里斯本高等技术大学，里斯本大学） ； Department of Marine, Electrical, Electronic and Telecommunications Engineering, University of Genoa, Italy（意大利热那亚大学海洋、电气、电子与电信工程系） ； Pattern Analysis & Computer Vision (PAVIS), Istituto Italiano di Tecnologia (IIT), Genoa, Italy（意大利热那亚理工学院模式分析与计算机视觉（PAVIS）） ； Deep Visual Learning (DVL), Fondazione Bruno Kessler, Trento, Italy（意大利特伦托布鲁诺·凯瑟基金会深度视觉学习（DVL）） 纠错

专题命中 三维重建 ：point cloud(abstract)；分类 cs.RO

AI总结 3DSGrasp通过基于Transformer的编码器-解码器网络实现3D点云补全，提升机器人抓取的准确性和成功率。

Geometry-Informed Neural Operator Transformer

几何引导的神经算子变换器

Qibang Liu, Weiheng Zhong, Hadi Meidani, Diab Abueidda, Seid Koric, Philippe Geubelle

机构 * National Center for Supercomputing Applications, University of Illinois Urbana-Champaign（国家超级计算中心，伊利诺伊大学厄巴纳-香槟分校） ； Beckman Institute for Advanced Science and Technology, University of Illinois Urbana-Champaign（贝克曼先进科学与技术研究所，伊利诺伊大学厄巴纳-香槟分校） ； The Grainger College of Engineering, Department of Aerospace Engineering, University of Illinois Urbana-Champaign（格拉inger工程学院，航空航天工程系，伊利诺伊大学厄巴纳-香槟分校） ； The Grainger College of Engineering, Department of Mechanical Science and Engineering, University of Illinois Urbana-Champaign（格拉inger工程学院，机械科学与工程系，伊利诺伊大学厄巴纳-香槟分校） ； The Grainger College of Engineering, Department of Civil and Environmental Engineering, University of Illinois Urbana-Champaign（格拉inger工程学院，土木与环境工程系，伊利诺伊大学厄巴纳-香槟分校） ； Civil and Urban Engineering Department, New York University Abu Dhabi（纽约大学阿布扎比分校土木与城市工程系） ； Department of Industrial and Manufacturing Systems Engineering, Kansas State University（工业与制造系统工程系，堪萨斯州立大学） 纠错

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出几何引导的神经算子变换器，通过结合变换器架构与神经算子框架，实现对任意几何形状的高效前向预测，验证了其在复杂几何中的高精度和强泛化能力。