FuncGrasp：从单个标注示例物体学习以物体为中心的神经抓取函数
机器人学
2024-02-23 v2 计算机视觉与模式识别
摘要
我们提出了 FuncGrasp，这是一个利用类别先验，仅通过一个标注物体和单视图 RGB-D 观测即可推断未见物体密集且可靠抓取配置的框架。与以往仅转移一组抓取位姿的工作不同，FuncGrasp 旨在通过跨不同实例的以物体为中心的连续抓取函数，转移无限多的参数化配置。为了简化转移过程，我们提出了神经表面抓取场（Neural Surface Grasping Fields, NSGF），这是一种定义在表面上的有效神经表示，用于密集编码抓取配置。此外，我们利用球体原语进行函数到函数的转移，以建立具有语义意义的类别对应关系，这些关系以无监督方式学习，无需任何专家知识。我们在仿真器和现实世界中进行了大量实验，展示了该方法的有效性。值得注意的是，我们的框架在生成抓取的密度和可靠性方面显著优于几种强基线方法。
引用
@article{arxiv.2402.05644,
title = {FuncGrasp: Learning Object-Centric Neural Grasp Functions from Single Annotated Example Object},
author = {Hanzhi Chen and Binbin Xu and Stefan Leutenegger},
journal= {arXiv preprint arXiv:2402.05644},
year = {2024}
}
备注
Accepted to ICRA 2024