Bliss Leesgroep - 13 juli

We sluiten het seizoen af met een paper die de thema's van deze mini-track samenbrengt: als een robot contact kan waarnemen en de juiste krachten kan toepassen, hoe bepaalt hij dan in de eerste plaats waar hij moet interactie hebben?Onze paper is Coupled Particle Filters for Robust Affordance Estimation (Lowin, Mengers & Brock, 2026) — afkomstig uit Oliver Brock's Robotics and Biology Laboratory hier aan de TU Berlijn, en goedgekeurd op ICRA 2026.Affordance schatting — bepalen waar op een object een robot het kan vastpakken, en waar het kan verplaatsen — is moeilijk omdat visuele input vol ambiguïteit zit. De auteurs stellen een nette oplossing voor: in plaats van één monolithische schatter, gebruiken ze twee gekoppelde deeltjesfilters, één voor "grijpbare" gebieden en één voor "verplaatsbare" gebieden, die elk hun eigen structurele regulariteiten coderen. De sleutelinzichten liggen in de koppeling: de twee filters wisselen informatie in beide richtingen uit, waarbij de aandacht wordt gefocust op gebieden waar beide overeenkomen — precies waar affordances liggen. Beoordeeld op een dataset uit de echte wereld, overtreft de methode drie recente benaderingen (Where2Act, Hands-as-Probes, en HRP) met grote marges, en blijft robuust onder uitdagende omstandigheden zoals weinig licht.Als afsluiter van het seizoen nodigt deze paper ons uit om uit te zoomen: in drie sessies hebben we gezien hoe robots contact akoestisch waarnemen, leren van krachtgevoelige manipulatiebeleid, en nu schatten waar interactie mogelijk is in de eerste plaats. Hoe passen deze puzzelstukken samen in een complete manipulatie-pijplijn? Is het koppelen van eenvoudige, interpreteerbare schatters een veelbelovender pad dan end-to-end geleerde systemen? En welke rol zouden fysieke prioren moeten spelen versus het laten spreken van de gegevens?Sluit je bij ons aan voor een levendige en interessante discussie!