用于机器人抓取的领域无关分散与拾取方法

从杂乱堆中拾取未见过的物体是一个难题，因为物体形状、大小和材料多变，且杂乱导致遮挡。因此，抓取方法难以正确分割物体，无法分离待抓取物体。这可能导致抓取失败或一次抓取多个物体。机器人执行推-移动作有助于分散工作空间中的物体，从而辅助抓取和视觉算法。我们提出了一种分散与拾取方法，用于高度杂乱物体堆中的领域无关机器人抓取。我们框架的新颖贡献是引入了一种无需深度学习且能处理未见物体的启发式杂乱移除方法。在算法的每次迭代中，机器人根据估计的杂乱程度执行推-移动作或抓取动作。对于抓取规划，我们提出了一种改进且自适应的最新领域无关抓取方法。在仿真和真实世界中展示了集成系统的有效性。