对掌抓取检测的双点网络
机器人学
2021-08-04 v1 计算机视觉与模式识别
机器学习
摘要
本文提出了一种新的对掌抓取检测深度学习方法，命名为双点网络（DD-Net）。它遵循最近的无锚点目标检测框架，不依赖于经验预设的锚点，从而允许对未见物体进行更通用和灵活的预测。具体来说，与广泛使用的5维矩形不同，夹爪配置被定义为一对指尖。引入了一种有效的CNN架构来定位这样的指尖，并借助辅助中心进行细化，从而准确且鲁棒地推断抓取候选。此外，我们设计了一个专门的损失函数来衡量抓取质量，与目标检测中采用的边界框IoU分数相比，它更符合抓取检测任务。仿真和机器人实验均执行并达到了最先进的精度，表明DD-Net在处理未见物体方面优于同类方法。
引用
@article{arxiv.2108.01527,
title = {Double-Dot Network for Antipodal Grasp Detection},
author = {Yao Wang and Yangtao Zheng and Boyang Gao and Di Huang},
journal= {arXiv preprint arXiv:2108.01527},
year = {2021}
}
备注
Preprint. 8 pages. Accepted at IROS 2021