面向未知物体的域无关无监督抓取学习
计算机视觉与模式识别
2020-01-17 v1 机器人学
图像与视频处理
摘要
基于视觉的抓取中的主要挑战之一，是在与未知物体交互时选择可行的抓取区域。近期方法利用卷积神经网络（CNN）的能力以高计算功耗和时间为代价实现准确抓取。本文提出一种基于无监督学习的可行抓取区域选择新算法。无监督学习在无任何外部标签的情况下推断数据集中的模式。我们在图像平面上应用k-means聚类以识别抓取区域，随后采用一种轴分配方法。我们定义了抓取决策指数（GDI）这一新概念，以在图像平面中选择最佳抓取位姿。我们在杂乱或隔离环境下，使用Amazon Robotics Challenge 2017与Amazon Picking Challenge 2016的标准物体进行了若干实验。我们将结果与先前基于学习的方法比较，以验证本算法针对不同域中多种未知物体的鲁棒性与自适应特性。
引用
@article{arxiv.2001.05856,
title = {Domain Independent Unsupervised Learning to grasp the Novel Objects},
author = {Siddhartha Vibhu Pharswan and Mohit Vohra and Ashish Kumar and Laxmidhar Behera},
journal= {arXiv preprint arXiv:2001.05856},
year = {2020}
}
备注
Paper has been accepted for publication in IROS2019