在本文中，我们介绍了一种强化学习方法，该方法利用一种新颖的基于拓扑的信息增益度量来指导嘈杂的3D传感器的下一个最佳视图。该度量标准将观察到的表面的不连续部分组合在一起，以专注于高细节特征，例如孔和凹入部分。实验结果表明，我们的方法可以帮助建立机器人传感器的位置，以优化其流式点云数据提供的信息。此外，已向研究社区公开发布了带有标签的3D对象数据集，用于定制机器人操纵器的CAD设计以及用于点云的转换，合并和注册的软件。



"点击查看英文标题和摘要"