基于生成式残差卷积神经网络的拮抗抓取
机器人学
2021-06-14 v4 计算机视觉与模式识别
摘要
本文提出一种模块化机器人系统，用于解决从场景的 n 通道图像中为未知物体生成并执行拮抗机器人抓取的问题。我们提出了一种新颖的生成式残差卷积神经网络（GR-ConvNet）模型，该模型可从 n 通道输入以实时速度（约 20 毫秒）生成鲁棒的拮抗抓取。我们在标准数据集和一组多样化的 household 物体上评估了所提出的模型架构。我们在 Cornell 和 Jacquard 抓取数据集上分别取得了 97.7% 和 94.6% 的当前最优准确率。我们还使用 7 自由度机械臂在 household 物体和对抗物体上分别展示了 95.4% 和 93% 的抓取成功率。
引用
@article{arxiv.1909.04810,
title = {Antipodal Robotic Grasping using Generative Residual Convolutional Neural Network},
author = {Sulabh Kumra and Shirin Joshi and Ferat Sahin},
journal= {arXiv preprint arXiv:1909.04810},
year = {2021}
}
备注
8 pages, 5 figures, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2020