用于高分辨率图像逐像素机器人抓取生成的高效全卷积神经网络

本文提出一种高效的神经网络模型，利用高分辨率图像生成机器人抓取。所提模型使用全卷积神经网络，基于 400 $\times$ 400 高分辨率 RGB-D 图像为每个像素生成机器人抓取。它先对图像下采样以获取特征，再将特征上采样至输入原始尺寸，并融合来自不同特征图的局部与全局特征。相较于其他用于检测机器人抓取的回归或分类方法，我们的方法更类似分割方法，通过逐像素方式解决问题。我们使用 Cornell Grasp Dataset 训练并评估模型，在图像级达到约 94.42%、物体级约 91.02% 的高准确率，以及约 8ms 的快速预测时间。我们还证明，由于在像素级上的实现，无需在多物体数据集上训练，模型即可直接输出不同物体的机器人抓取候选。