通过改进的微调过程提升新颖物体的抓取性能
机器人学
2023-10-31 v1
摘要
抓取算法已从平面深度抓取发展到利用点云信息,从而可应用于更广泛的场景。然而,基于基础开源数据集训练模型的数据驱动抓取在新颖物体上可能表现不佳,而不同场景常需要这类物体,因此有必要使用新物体进行微调。驱动这些算法的数据本质上对应于手在 6D 位姿下的闭合区域,由于 6D 位姿的唯一性,通常采用合成标注或实机标注方法。获取大量实机标注数据具有挑战性,使得合成标注成为常见做法。然而,使用常规方法获取标注的 6D 位姿数据极其耗时。因此,我们提出一种快速获取新颖物体数据的方法,以实现更高效的微调。我们的方法主要通过采样抓取方向来生成并标注抓取。实验结果表明,我们对新物体的微调过程比其他方法快 400\%。此外,我们提出了一个优化的抓取标注框架,考虑了夹爪闭合的影响,使标注更合理。本文被接收后,我们将开源我们的算法。
引用
@article{arxiv.2310.18569,
title = {Enhancing Grasping Performance of Novel Objects through an Improved Fine-Tuning Process},
author = {Xiao Hu and Xiangsheng Chen},
journal= {arXiv preprint arXiv:2310.18569},
year = {2023}
}