FAMOS：从稀疏观察推断物体活动部件
FAMOS: Feed-Forward 3D Articulation Modeling from Sparse Observations
综合多个状态的点云预测部件、关节类型与转轴。单RTX5090、两状态各2048点的推理65.6毫秒，不含上游三维重建。陌生形状、小部件和噪声仍难处理，尚非机器人操作成功率。
作者
相关期次：2026-09-20 精选
阅读笔记
Juju Radar · 2026-09-20
机器人看到一个柜子，光认出“这是柜子”还不够：哪一块能动，是拉开还是旋转，转轴在哪里？FAMOS 把物体处于不同状态时的几份稀疏点云放到一起，预测活动部件与关节。输入并不要求是完整、按时间排好的动作录像。
方法的关键，是交替比较单次观察里的形状和多次观察之间的变化。团队还用程序生成带有已知结构的物体，再与人工制作的资产混合训练，让模型学到的不只是某种柜门的外观，也包括部件之间怎样运动。
作者在单张 RTX 5090 上报告：两个状态、每个状态2048个点的配置，推理耗时65.6毫秒。这从已有点云开始计算，不包含把相机画面重建成点云的整个过程。论文中的可动范围辅助任务，也只对应观察到的运动跨度，不能当成物体的完整机械限位。
它补的是操作之前的结构理解，还没有证明机器人因此能可靠地开门、拿东西。陌生形状、很小的部件和噪声点云仍容易出错；当前还主要处理活动部件直接连接固定主体的简单结构。先读失败案例，再看演示，更容易判断它离自己的场景有多远。
近期补看；编辑重要度8.3/10。AI辅助整理，未独立复现。
原文：https://arxiv.org/abs/2609.20817
本期资料：https://www.asteronline.cn/juju-radar/2026-09-20/
笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。