Bliss Lesegruppe - 13. Juli

Wir beenden die Saison mit einem Papier, das die Themen dieses Mini-Tracks zusammenführt: Wenn ein Roboter Kontakt spüren und die richtigen Kräfte anwenden kann, wie stellt er dann fest, wo er überhaupt interagieren kann? Unser Papier ist "Coupled Particle Filters for Robust Affordance Estimation" (Lowin, Mengers & Brock, 2026) — kommend aus Oliver Brocks Robotik- und Biologielabor hier an der TU Berlin und akzeptiert auf der ICRA 2026. Die Schätzung von Affordanzen — also zu bestimmen, wo ein Roboter ein Objekt greifen kann und wo er es bewegen kann — ist schwierig, da visuelle Eingaben voller Mehrdeutigkeit sind. Die Autoren schlagen eine elegante Lösung vor: anstelle eines monolithischen Schätzers verwenden sie zwei gekoppelte Partikelfilter, einen für "greifbare" Bereiche und einen für "bewegliche" Bereiche, die jeweils ihre eigenen strukturellen Regularitäten kodieren. Die entscheidende Einsicht liegt in der Kopplung: Die beiden Filter tauschen Informationen bidirektional aus und richten die Aufmerksamkeit auf Bereiche, in denen beide übereinstimmen — und genau da liegen die Affordanzen. Evaluierung an einem realen Datensatz zeigt, dass die Methode drei aktuelle Ansätze (Where2Act, Hands-as-Probes und HRP) bei weitem übertrifft und unter herausfordernden Bedingungen wie geringer Beleuchtung robust bleibt. Als Saisonabschluss lädt uns dieses Papier ein, einen Schritt zurückzutreten: In drei Sitzungen haben wir gesehen, wie Roboter Kontakt akustisch wahrnehmen, kraft-sensitive Manipulationsrichtlinien erlernen und nun schätzen, wo Interaktion überhaupt möglich ist. Wie passen diese Komponenten in eine vollständige Manipulationspipeline zusammen? Ist die Kopplung einfacher, interpretierbarer Schätzer ein vielversprechenderer Weg als end-to-end gelernte Systeme? Und welche Rolle sollten physische Vorannahmen im Vergleich dazu spielen, die Daten für sich sprechen zu lassen? Begleiten Sie uns zu einer lebhaften und interessanten Diskussion!