一种用于双臂机器人衣物平整的数据驱动方法
机器人学
2022-08-30 v1
摘要
由于物体状态的高维性，衣物平整流程需要识别衣物的构型，以便机器人生成或选择操作计划来平整衣物。本文提出一种数据驱动方法，基于已知构型网络（KCNet）来识别衣物的已知构型，该网络在捕捉衣物已知构型的深度图像以及衣物形状的先验知识上训练得到。衣物的已知构型是指机器人将衣物悬垂于半空时的构型。我们发现，若让机器人识别衣物的常见悬挂构型（即已知构型），可达到92%的准确率。我们还在双臂Baxter机器人上以所提方法展示了有效的机器人衣物平整流程。该机器人平均操作时间为221.6秒，并成功操控了五种不同形状的衣物。
引用
@article{arxiv.2208.13695,
title = {A Data-Centric Approach For Dual-Arm Robotic Garment Flattening},
author = {Li Duan and Gerardo Aragon-Camarasa},
journal= {arXiv preprint arXiv:2208.13695},
year = {2022}
}