使用神经网络为高自由度夹持器生成抓取姿态
机器人学
2020-07-17 v4
摘要
我们提出一种基于学习的方法，使用神经网络表示高自由度机械手的抓取姿态。由于此类高自由度夹持器存在冗余，对给定目标物体存在大量同等有效的抓取姿态，使神经网络难以找到一致的抓取姿态。我们通过生成覆盖每个目标物体多种可能抓取的增广数据集，并使用一致性损失函数训练神经网络以确定从物体到抓取姿态的一一映射，从而解决该歧义。我们进一步使用碰撞损失函数提升神经网络预测抓取姿态的质量以避免穿透。我们采用结合 BigBIRD Database、KIT Database、YCB Database 与 Grasp Dataset 的物体数据集，表明本方法生成高自由度抓取姿态的精度高于监督学习基线。抓取姿态质量与数据集中真值姿态相当。此外，本方法具鲁棒性，可处理含噪物体模型（如由多视角深度图像构建者），使方法能在 25 自由度 Shadow Hand 硬件平台上实现。
引用
@article{arxiv.1903.00425,
title = {Generating Grasp Poses for a High-DOF Gripper Using Neural Networks},
author = {Min Liu and Zherong Pan and Kai Xu and Kanishka Ganguly and Dinesh Manocha},
journal= {arXiv preprint arXiv:1903.00425},
year = {2020}
}