利用Pix2Pix GAN生成高质量抓取矩形以实现智能机器人抓取
机器人学
2022-02-22 v1
摘要
由于固有的复杂性以及缺乏充足的标注数据，智能机器人抓取是一项极具挑战性的任务。由于为任何基于深度学习的模型（包括深度强化学习）提供合适的标注数据以进行有效训练对成功的抓取学习至关重要，本文提出使用Pix2Pix生成对抗网络（Pix2Pix GAN）来解决生成抓取位姿/矩形的问题，该网络以物体图像为输入，输出标注了物体的抓取矩形。在此，我们提出了一种端到端的抓取矩形生成方法，并将其嵌入到待抓取物体的适当位置。我们开发了两个条件模块以获得最优抓取矩形。借助第一个模块，从Pix2Pix GAN的输出中提取生成的抓取矩形的位姿（位置与朝向），然后将提取的抓取位姿平移至物体质心，因为我们假设，类似于人类抓取规则形状物体的方式，质心/重心是稳定抓取的最佳位置。对于其他不规则形状物体，我们允许生成的抓取矩形原样输入机器人执行抓取。通过我们提出的方法对有限的Cornell Grasping Dataset进行增强，生成抓取矩形的准确率显著提升至87.79%。实验表明，我们提出的基于生成模型的方法在已见和未见物体的成功抓取执行方面均给出了有前景的结果。
引用
@article{arxiv.2202.09821,
title = {Generating Quality Grasp Rectangle using Pix2Pix GAN for Intelligent Robot Grasping},
author = {Vandana Kushwaha and Priya Shukla and G C Nandi},
journal= {arXiv preprint arXiv:2202.09821},
year = {2022}
}