Contact-GraspNet：杂乱场景中高效的6自由度抓取生成
机器人学
2021-03-29 v1 计算机视觉与模式识别
摘要
在非受限、杂乱环境中抓取未见过的物体是自主机器人操作的一项基本技能。尽管全6自由度抓取学习近期取得了进展，现有方法通常由复杂的顺序流水线组成，存在若干潜在失败点且运行时间不适合闭环抓取。因此，我们提出了一种端到端网络，可直接从场景的深度记录高效生成6自由度平行夹爪抓取的分布。我们的新颖抓取表示将所记录点云的3D点视为潜在抓取接触点。通过将完整的6自由度抓取位姿和宽度根植于观测点云，我们能将抓取表示的维度降至4自由度，极大便利了学习过程。我们的类无关方法在1700万次模拟抓取上训练，并很好地泛化到真实世界传感器数据。在针对结构化杂乱中未见物体的机器人抓取研究中，我们实现了超过90%的成功率，与近期最先进（SOTA）方法相比将失败率减半。
引用
@article{arxiv.2103.14127,
title = {Contact-GraspNet: Efficient 6-DoF Grasp Generation in Cluttered Scenes},
author = {Martin Sundermeyer and Arsalan Mousavian and Rudolph Triebel and Dieter Fox},
journal= {arXiv preprint arXiv:2103.14127},
year = {2021}
}
备注
ICRA 2021. Video of the real world experiments and code are available at https://research.nvidia.com/publication/2021-03_Contact-GraspNet%3A--Efficient