基于快速三维重建与抓取质量 CNN 的六自由度抓取规划
计算机视觉与模式识别
2024-05-03 v2 机器人学
摘要
近期家用机器人消费需求推动了机器人抓取性能的提升。然而,感知流水线的关键组件——深度相机,对大多数消费者而言仍然昂贵且难以普及。此外,通过利用大型数据集和云机器人技术,并将状态和动作空间限制为具有 4 自由度(DoF)的俯视抓取,抓取规划近期已取得显著改进。通过利用物体的多视图几何,结合现成 RGB 相机等廉价设备以及 Learn Stereo Machine (LSM\cite{kar2017learning}) 等先进算法,机器人能够从不同角度生成更鲁棒的六自由度抓取。本文中,我们提出对 LSM 面向可抓取物体进行修改,评估抓取效果,并基于 Grasp-Quality CNN (GQ-CNN\cite{mahler2017dex}) 开发了一种六自由度抓取规划器,该规划器利用多相机视图规划鲁棒抓取,即使在不存在可行俯视抓取的情况下亦可实现。
引用
@article{arxiv.2009.08618,
title = {6-DoF Grasp Planning using Fast 3D Reconstruction and Grasp Quality CNN},
author = {Yahav Avigal and Samuel Paradis and Harry Zhang},
journal= {arXiv preprint arXiv:2009.08618},
year = {2024}
}