面向边缘设备的高效端到端六自由度抓取检测框架：层次化热图与特征传播
机器人学
2025-03-14 v3
摘要
六自由度抓取检测对智能具身系统的进步至关重要，因为它为物体抓取提供了可行的机器人姿态。已提出多种方法通过从 RGBD 或点云数据中提取三维几何特征来检测六自由度抓取。然而，这些方法在实际机器人部署中面临挑战，因为它们的计算需求很大，这对依赖边缘计算设备的移动机器人平台尤其成问题。本文提出了一种高效的端到端抓取检测网络（E3GNet），用于利用层次化热图表示进行六自由度抓取检测。E3GNet 能够在杂乱的真实环境中有效识别高质量且多样化的抓取。我们的端到端方法和高效网络设计使该方法在模型推理效率方面超越了先前方法，并实现了边缘设备上的实时六自由度抓取检测。此外，真实世界实验验证了该方法的有效性，达到了令人满意的 94% 物体抓取成功率。
引用
@article{arxiv.2410.22980,
title = {Efficient End-to-End 6-Dof Grasp Detection Framework for Edge Devices with Hierarchical Heatmaps and Feature Propagation},
author = {Kaiqin Yang and Yixiang Dai and Guijin Wang and Siang Chen},
journal= {arXiv preprint arXiv:2410.22980},
year = {2025}
}
备注
Accepted by 2025 IEEE International Symposium on Circuits and Systems