GATER：面向任务特定抓取的学习抓取-动作-目标嵌入与关系
机器人学
2021-11-30 v1
摘要
智能服务机器人需要在动态环境中执行多种任务的能力。尽管机器人抓取取得了显著进展，在 unstructured 的真实生活环境中，当给定不同任务时，机器人决定抓取位置仍是一项挑战。为克服这一挑战，建立恰当的知识表示框架是关键。与以往工作不同，本文将任务定义为包含抓取工具、期望动作和目标物体的三元组。我们提出的算法 GATER（Grasp–Action–Target Embeddings and Relations，抓取-动作-目标嵌入与关系）在嵌入空间中建模抓取工具—动作—目标物体之间的关系。为验证我们的方法，创建了一个用于任务特定抓取的新数据集。GATER 在新数据集上训练，并以 94.6% 的成功率实现任务特定抓取推理。最后，GATER 算法的有效性在真实服务机器人平台上进行了测试。GATER 算法在人的行为预测与人机交互方面具有潜力。
引用
@article{arxiv.2111.13815,
title = {GATER: Learning Grasp-Action-Target Embeddings and Relations for Task-Specific Grasping},
author = {Ming Sun and Yue Gao},
journal= {arXiv preprint arXiv:2111.13815},
year = {2021}
}