在操作环境中以最小用户交互生成用于 6D 物体位姿估计的标注训练数据
机器人学
2022-05-12 v3 计算机视觉与模式识别
机器学习
摘要
近期开发的深度神经网络在机器人操作的 6D 物体位姿估计问题上取得了最先进的结果。然而,这些监督深度学习方法需要昂贵的标注训练数据。当前降低此类成本的方法频繁使用来自仿真的合成数据,但依赖专家知识,并在迁移到真实世界时受困于“域差距”。在此,我们提出一种自主生成 6D 物体位姿估计标注训练数据的新方法的的概念验证。该方法专为在操作环境中学习新物体而设计,同时仅需少量用户交互且不需要用户具备专业知识。我们在两个抓取实验中评估了我们的自主数据生成方法,取得了与基于非自主生成数据集的相关工作相似的抓取成功率。
引用
@article{arxiv.2103.09696,
title = {Generating Annotated Training Data for 6D Object Pose Estimation in Operational Environments with Minimal User Interaction},
author = {Paul Koch and Marian Schlüter and Serge Thill},
journal= {arXiv preprint arXiv:2103.09696},
year = {2022}
}
备注
Paper was not accepted