一种在杂乱环境中具有碰撞感知的线缆抓取方法
机器人学
2024-03-05 v2 人工智能
摘要
我们提出了一种线缆抓取卷积神经网络(Cable Grasping-Convolutional Neural Network, CG-CNN)，旨在促进在杂乱环境中的鲁棒线缆抓取。利用物理仿真，我们生成了一个大规模数据集，模拟了线缆抓取的复杂性，并考虑了线缆与机器人夹爪之间潜在的碰撞。我们采用近似凸分解技术来分解非凸的线缆模型，并根据模拟抓取尝试自动标注抓取质量。CG-CNN使用该模拟数据集进行优化，并通过域随机化技术增强。随后，训练好的模型预测抓取质量，引导机器人控制器执行最优抓取姿态。我们在合成环境和真实环境中评估了抓取效能。由于我们的模型具有隐式碰撞敏感性，我们在已知线缆上取得了92.3%的成功率，在未知线缆上取得了88.4%的成功率，超越了当前最先进的方法。补充材料可在https://leizhang-public.github.io/cg-cnn/ 获取。
引用
@article{arxiv.2402.14498,
title = {A Collision-Aware Cable Grasping Method in Cluttered Environment},
author = {Lei Zhang and Kaixin Bai and Qiang Li and Zhaopeng Chen and Jianwei Zhang},
journal= {arXiv preprint arXiv:2402.14498},
year = {2024}
}
备注
7 pages