可供性检测

从图像或点云里找出物体哪里能握、能按、能倒，并标到具体区域上。

可供性指物体为行动者提供的动作可能，比如杯柄可握、按钮可按。可供性检测就是把这种可能落到具体像素或点上：输入 RGB 图、深度图或点云，输出每个区域对应的动作标签或热力图（可供性图）。早期代表 AffordanceNet（Do 等，ICRA 2018）一边检测物体，一边给物体上每个像素分配最可能的可供性标签。「可供性定位」更强调按给定动作词找区域，如 Luo 等人在 CVPR 2022 提出的 AGD20K 数据集（2 万多张图、36 类可供性），从第三人称的人-物交互图里学习，再迁移到物体图上。它补上了「认出物体」到「知道怎么操作」之间的缺口，结果常作为中间表示交给抓取规划或策略。近年也有用视觉语言模型直接预测可操作点的做法，如 RoboPoint。

例子指令是「倒杯水」时，可供性检测在水壶图上把把手标成「握持」区域、壶嘴标成「倾倒」区域，抓取模块只在把手上采样抓取位姿。

也叫

可供性预测、可供性定位、可供性图、Affordance Map、功能区域检测

相关

可供性、抓取位姿检测、任务导向抓取（功能性抓取）、RoboPoint、VRB（从人类视频学可供性）、中间表示

来源

AffordanceNet: An End-to-End Deep Learning Approach for Object Affordance Detection (arXiv:1709.07326)
Learning Affordance Grounding from Exocentric Images (CVPR 2022, arXiv:2203.09905)