基于双视角深度 Q 网络算法的推抓协作方法
机器人学
2021-01-05 v1 人工智能
摘要
针对传统基于 2D 相机的机械臂抓取方法，在面对聚集或遮挡场景时，由于无法从单视角准确识别簇状场景中的物体且机械臂无法改善环境以利于抓取，难以在非结构化场景中表现良好。对此，本文提出一种基于双视角深度 Q 网络的推抓协作新方法。该方法采用改进的深度 Q 网络算法，利用 RGB-D 相机从两个视角获取物体的 RGB 图像和点云信息，并将推动与抓取动作相结合，使训练后的机械臂能改善场景以利于抓取，从而在更复杂的抓取场景中表现良好。此外，我们改进了深度 Q 网络的奖励函数，提出分段奖励函数以加快深度 Q 网络的收敛。我们在 V-REP 仿真环境中训练了不同模型并尝试了不同方法，结果表明本文提出的方法收敛迅速，且在非结构化场景中抓取物体的成功率提升至 83.5%。同时，当场景中出现了机械臂此前从未抓取过的新物体时，该方法表现出泛化能力与良好性能。
引用
@article{arxiv.2101.00829,
title = {A Pushing-Grasping Collaborative Method Based on Deep Q-Network Algorithm in Dual Perspectives},
author = {Peng Gang and Liao Jinhu and Guan Shangbin},
journal= {arXiv preprint arXiv:2101.00829},
year = {2021}
}
备注
5pages