面向物体堆叠场景中自主机器人抓取的多任务卷积神经网络
机器人学
2019-03-05 v2
摘要
自主机器人抓取在智能机器人中起着重要作用。然而，如何帮助机器人在物体堆叠场景中抓取特定物体仍是一个开放问题，因为自主机器人面临两个主要挑战：(1) 知晓抓取什么及如何抓取是一项综合性任务；(2) 难以处理目标被其他物体隐藏或遮挡的情况。本文中，我们提出一种用于自主机器人抓取的多任务卷积神经网络，可帮助机器人在物体堆叠场景中逐步找到目标、制定抓取规划并最终抓取目标。我们将基于视觉的机器人抓取检测与视觉操作关系推理集成于单一深度网络中，并构建了自主机器人抓取系统。实验结果表明，使用我们的模型，Baxter 机器人在物体杂乱场景、熟悉堆叠场景与复杂堆叠场景中的自主抓取目标成功率分别为 90.6%、71.9% 与 59.4%。
引用
@article{arxiv.1809.07081,
title = {A Multi-task Convolutional Neural Network for Autonomous Robotic Grasping in Object Stacking Scenes},
author = {Hanbo Zhang and Xuguang Lan and Site Bai and Lipeng Wan and Chenjie Yang and Nanning Zheng},
journal= {arXiv preprint arXiv:1809.07081},
year = {2019}
}
备注
Submitted to IROS2019