深度学习用于夹爪位姿不确定下的抓取函数
机器人学
2016-09-14 v1 计算机视觉与模式识别
机器学习
摘要
本文提出了一种在较大夹爪位姿不确定下，从深度图像中抓取孤立物体的新方法。大多数方法旨在从图像中预测单个最佳抓取位姿，而我们的方法首先为每个可能的抓取位姿预测一个分数，我们称之为抓取函数。借此，可以通过用位姿不确定性函数平滑抓取函数，实现对抗夹爪位姿不确定性的鲁棒抓取。因此，如果单个最佳位姿邻近抓取质量差的区域，该位姿将不再被选择，而是选择一个被高抓取质量区域包围的位姿。为了学习这个函数，我们训练了一个卷积神经网络，它以物体的单张深度图像作为输入，并为图像中每个抓取位姿输出一个分数。其训练数据通过物理仿真和使用 3D 物体网格的深度图像仿真生成，从而无需进行详尽的真实世界实验即可获得足够的数据。我们通过合成实验和真实实验进行评估，并表明所学习的抓取分数在夹爪位姿不确定下比不考虑这种不确定性时更鲁棒。
引用
@article{arxiv.1608.02239,
title = {Deep Learning a Grasp Function for Grasping under Gripper Pose Uncertainty},
author = {Edward Johns and Stefan Leutenegger and Andrew J. Davison},
journal= {arXiv preprint arXiv:1608.02239},
year = {2016}
}
备注
IROS 2016