Buchumschlag

Interpretable Affordance Detection on 3D Point Clouds with Probabilistic Prototypes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Maximilian Xiling, Rudolf, Korbinian, Blank, Nils, Lioutikov, Rudolf
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Overview of Prototype Formulations for Interpretable Deep Learning
von: Li, Maximilian Xiling, et al.
Veröffentlicht: (2024)

Towards Fusing Point Cloud and Visual Representations for Imitation Learning
von: Donat, Atalay, et al.
Veröffentlicht: (2025)

Scaling Robot Policy Learning via Zero-Shot Labeling with Foundation Models
von: Blank, Nils, et al.
Veröffentlicht: (2024)

3D-AffordanceLLM: Harnessing Large Language Models for Open-Vocabulary Affordance Detection in 3D Worlds
von: Chu, Hengshuo, et al.
Veröffentlicht: (2025)

PAVLM: Advancing Point Cloud based Affordance Understanding Via Vision-Language Model
von: Liu, Shang-Ching, et al.
Veröffentlicht: (2024)

Human-Interpretable Uncertainty Explanations for Point Cloud Registration
von: Gaus, Johannes A., et al.
Veröffentlicht: (2025)

Benchmarking Classical and Learning-Based Multibeam Point Cloud Registration
von: Ling, Li, et al.
Veröffentlicht: (2024)

VoxAfford: Multi-Scale Voxel-Token Fusion for Open-Vocabulary 3D Affordance Detection
von: Sun, Haowen, et al.
Veröffentlicht: (2026)

Weakly Supervised Point Clouds Transformer for 3D Object Detection
von: Tang, Zuojin, et al.
Veröffentlicht: (2023)

AffordanceLLM: Grounding Affordance from Vision Language Models
von: Qian, Shengyi, et al.
Veröffentlicht: (2024)

FlexCloud: Direct, Modular Georeferencing and Drift-Correction of Point Cloud Maps
von: Leitenstern, Maximilian, et al.
Veröffentlicht: (2025)

Register Any Point: Scaling 3D Point Cloud Registration by Flow Matching
von: Pan, Yue, et al.
Veröffentlicht: (2025)

Use the Force, Bot! -- Force-Aware ProDMP with Event-Based Replanning
von: Lödige, Paul Werner, et al.
Veröffentlicht: (2024)

CompassAD: Intent-Driven 3D Affordance Grounding in Functionally Competing Objects
von: Li, Jingliang, et al.
Veröffentlicht: (2026)

Leveraging Previous-Traversal Point Cloud Map Priors for Camera-Based 3D Object Detection and Tracking
von: Käppeler, Markus, et al.
Veröffentlicht: (2026)

Voxel Mamba: Group-Free State Space Models for Point Cloud based 3D Object Detection
von: Zhang, Guowen, et al.
Veröffentlicht: (2024)

Unsupervised UAV 3D Trajectories Estimation with Sparse Point Clouds
von: Liang, Hanfang, et al.
Veröffentlicht: (2024)

Any3D-VLA: Enhancing VLA Robustness via Diverse Point Clouds
von: Fan, Xianzhe, et al.
Veröffentlicht: (2026)

Point Tree Transformer for Point Cloud Registration
von: Wang, Meiling, et al.
Veröffentlicht: (2024)

Panoramic Affordance Prediction
von: Zhang, Zixin, et al.
Veröffentlicht: (2026)

Unsupervised Change Detection for Space Habitats Using 3D Point Clouds
von: Santos, Jamie, et al.
Veröffentlicht: (2023)

Robust 3D Object Detection from LiDAR-Radar Point Clouds via Cross-Modal Feature Augmentation
von: Deng, Jianning, et al.
Veröffentlicht: (2023)

EqvAfford: SE(3) Equivariance for Point-Level Affordance Learning
von: Chen, Yue, et al.
Veröffentlicht: (2024)

TripleMixer: A 3D Point Cloud Denoising Model for Adverse Weather
von: Zhao, Xiongwei, et al.
Veröffentlicht: (2024)

PIRATR: Parametric Object Inference for Robotic Applications with Transformers in 3D Point Clouds
von: Schwingshackl, Michael, et al.
Veröffentlicht: (2026)

Gradient-Driven 3D Segmentation and Affordance Transfer in Gaussian Splatting Using 2D Masks
von: Joseph, Joji, et al.
Veröffentlicht: (2024)

REHEARSE-3D: A Multi-modal Emulated Rain Dataset for 3D Point Cloud De-raining
von: Raisuddin, Abu Mohammed, et al.
Veröffentlicht: (2025)

Multi-Model 3D Registration: Finding Multiple Moving Objects in Cluttered Point Clouds
von: Jin, David, et al.
Veröffentlicht: (2024)

Visual Localization in 3D Maps: Comparing Point Cloud, Mesh, and NeRF Representations
von: Zhang, Lintong, et al.
Veröffentlicht: (2024)

Performance Evaluation of 3D Keypoint Detectors and Descriptors on Coloured Point Clouds in Subsea Environments
von: Jung, Kyungmin, et al.
Veröffentlicht: (2022)

MVCTrack: Boosting 3D Point Cloud Tracking via Multimodal-Guided Virtual Cues
von: Hu, Zhaofeng, et al.
Veröffentlicht: (2024)

O$^3$Afford: One-Shot 3D Object-to-Object Affordance Grounding for Generalizable Robotic Manipulation
von: Tian, Tongxuan, et al.
Veröffentlicht: (2025)

End-to-end 2D-3D Registration between Image and LiDAR Point Cloud for Vehicle Localization
von: Wang, Guangming, et al.
Veröffentlicht: (2023)

arg-VU: Affordance Reasoning with Physics-Aware 3D Geometry for Visual Understanding in Robotic Surgery
von: Xiao, Nan, et al.
Veröffentlicht: (2026)

MaskPlanner: Learning-Based Object-Centric Motion Generation from 3D Point Clouds
von: Tiboni, Gabriele, et al.
Veröffentlicht: (2025)

Affordance-R1: Reinforcement Learning for Generalizable Affordance Reasoning in Multimodal Large Language Model
von: Wang, Hanqing, et al.
Veröffentlicht: (2025)

Registering the 4D Millimeter Wave Radar Point Clouds Via Generalized Method of Moments
von: Li, Xingyi, et al.
Veröffentlicht: (2025)

Co-Win: Joint Object Detection and Instance Segmentation in LiDAR Point Clouds via Collaborative Window Processing
von: Li, Haichuan, et al.
Veröffentlicht: (2025)

Affordance Agent Harness: Verification-Gated Skill Orchestration
von: Huang, Haojian, et al.
Veröffentlicht: (2026)

AffordanceGrasp-R1:Leveraging Reasoning-Based Affordance Segmentation with Reinforcement Learning for Robotic Grasping
von: Zhou, Dingyi, et al.
Veröffentlicht: (2026)