基于增强感受野与可 grasp 平衡抽样的 6 自由度密集环境抓取检测
机器人学
2024-12-04 v2
摘要
6 自由度抓取检测对于机器人执行特定任务至关重要。本文聚焦于增强小尺度抓取的识别能力，旨在提高抓取预测结果的整体准确性和网络的泛化能力。我们提出一种增强感受野方法，包括多半径圆柱分组模块和被动注意力模块。该方法在抓取可行空间内扩大感受野面积，强化抓取可行特征的学习。此外，我们基于分割网络设计了抓取平衡抽样模块，使网络能够聚焦于小物体的特征，从而提高小尺度抓取的识别能力。我们的方法在 GraspNet-1Billion 数据集上实现了最先进的性能，平均精度指标（AP）提升约 10%。此外，我们将抓取检测模型部署在pybullet抓取平台上，验证了该方法的有效性。
引用
@article{arxiv.2407.01209,
title = {6-DoF Grasp Detection in Clutter with Enhanced Receptive Field and Graspable Balance Sampling},
author = {Hanwen Wang and Ying Zhang and Yunlong Wang and Jian Li},
journal= {arXiv preprint arXiv:2407.01209},
year = {2024}
}
备注
Accepted by IROS24