六自由度对比抓取提议网络
机器人学
2021-05-10 v2
摘要
为新颖物体提议抓取姿态是任何机器人操作任务的基本组成部分。然而，使用单个相机规划六自由度（DoF）抓取由于物体形状复杂、物体信息不完整以及传感器噪声而具有挑战性。在本文中，我们提出一种六自由度对比抓取提议网络（CGPN），从单视角深度图像推断六自由度抓取。首先，使用图像编码器从输入深度图像中提取特征图，随后通过旋转区域提议网络从特征图提议三自由度抓取区域。然后提取所提议抓取区域内的特征向量并将其精炼为六自由度抓取。所提模型使用合成抓取数据进行离线训练。为了提高在真实环境中的鲁棒性并弥合仿真到真实的差距，我们在训练期间进一步引入了对比学习模块和多种图像处理方法。CGPN 可在 0.5 秒内使用单视角深度图像定位物体的无碰撞抓取。在物理机器人上的实验进一步证明了该算法的有效性。
引用
@article{arxiv.2103.15995,
title = {6-DoF Contrastive Grasp Proposal Network},
author = {Xinghao Zhu and Lingfeng Sun and Yongxiang Fan and Masayoshi Tomizuka},
journal= {arXiv preprint arXiv:2103.15995},
year = {2021}
}
备注
To appear on 2021 International Conference on Robotics and Automation (ICRA 2021)