GAMMA：基于在线抓取位姿融合的可抓取性感知移动操作策略学习
机器人学
2024-03-05 v2 计算机视觉与模式识别
摘要
移动操作是机器人助手的一项基本任务，并在机器人学界受到广泛关注。移动操作中一个关键的挑战是在接近目标进行抓取时对其有效观测。在本工作中，我们提出了一种由在线抓取位姿融合框架驱动的可抓取性感知移动操作方法，该框架能够实现时间一致的抓取观测。具体而言，预测的抓取位姿被在线组织以剔除冗余与离群抓取位姿，这些位姿可被编码为用于强化学习的抓取位姿观测状态。此外，即时融合抓取位姿使得能够直接评估可抓取性，涵盖抓取位姿的数量与质量。
引用
@article{arxiv.2309.15459,
title = {GAMMA: Graspability-Aware Mobile MAnipulation Policy Learning based on Online Grasping Pose Fusion},
author = {Jiazhao Zhang and Nandiraju Gireesh and Jilong Wang and Xiaomeng Fang and Chaoyi Xu and Weiguang Chen and Liu Dai and He Wang},
journal= {arXiv preprint arXiv:2309.15459},
year = {2024}
}