SE(3)中抓取位姿检测的高效精确候选生成方法
机器人学
2022-04-05 v1
摘要
在非结构化环境中对新物体的抓取检测是机器人操作的一项关键能力。对于假设抓取位于平面内的2D抓取检测问题,通常设计全卷积神经网络一步预测整幅图像上的抓取。然而,对于假设抓取位姿存在于SE(3)中的抓取位姿检测,这并不可行。此时通常分两步解决问题:抓取候选生成与候选分类。由于抓取候选分类通常代价高昂,问题转化为高效识别高质量候选抓取。本文提出一种新的抓取候选生成方法,显著优于主流的3D抓取检测基线。补充材料见 https://atenpas.github.io/psn/。
引用
@article{arxiv.2204.01131,
title = {Efficient and Accurate Candidate Generation for Grasp Pose Detection in SE(3)},
author = {Andreas ten Pas and Colin Keil and Robert Platt},
journal= {arXiv preprint arXiv:2204.01131},
year = {2022}
}