一种基于自监督学习的机械臂六自由度抓取规划方法
机器人学
2021-02-02 v1
摘要
为实现非结构化环境中对未知物体的鲁棒机器人抓取系统，需要大量物体抓取数据与 3D 模型数据，其规模直接影响抓取成功率。为降低数据获取与标注的时间成本并提高抓取成功率，我们开发了一种自监督学习机制来控制机械臂执行抓取任务。首先，机械臂从多角度自动采集物体点云以提高数据获取效率；利用机械臂手眼视觉与 TSDF 算法获得物体完整点云。随后，利用物体点云数据生成一系列六自由度抓取位姿，并采用力闭合决策算法为每个抓取位姿添加抓取质量标签，实现抓取数据的自动标注。最后，获取与各抓取位姿对应的夹爪闭合区域点云，用以训练机械臂的抓取质量分类模型。数据获取实验结果表明，所提方法可获得高质量数据；仿真结果证明了所提抓取数据获取方法的有效性；实际抓取实验结果表明，该自监督学习方法能提高机械臂抓取成功率。
引用
@article{arxiv.2102.00205,
title = {A self-supervised learning-based 6-DOF grasp planning method for manipulator},
author = {Gang Peng and Zhenyu Ren and Hao Wang and Xinde Li},
journal= {arXiv preprint arXiv:2102.00205},
year = {2021}
}