一种具多尺度特征聚合机制的单一多任务深度神经网络用于机器人抓取中的操作关系推理
机器人学
2023-05-24 v1
摘要
在复杂且不规则堆叠场景中抓取特定物体对机器人而言仍具挑战。因为机器人不仅需识别物体的抓取姿态，还需推理物体间的操作关系。本文中，我们提出一种带多尺度特征聚合(MSFA)机制的操作关系推理网络用于机器人抓取任务。MSFA以跨尺度连接的方式聚合高层语义信息与低层空间信息，以提升模型泛化能力。此外，为提高精度，我们提出利用具丰富位置先验的交叉特征进行操作关系推理。实验分别在VMRD数据集与真实环境中验证。实验结果表明，我们所提方法能准确预测多物体堆叠场景中的物体间操作关系。相较以往方法，其显著提升了推理速度与精度。
引用
@article{arxiv.2305.13591,
title = {A Single Multi-Task Deep Neural Network with a Multi-Scale Feature Aggregation Mechanism for Manipulation Relationship Reasoning in Robotic Grasping},
author = {Mingshuai Dong and Yuxuan Bai and Shimin Wei and Xiuli Yu},
journal= {arXiv preprint arXiv:2305.13591},
year = {2023}
}