基于概念学习安全准则的生成式抓取检测与估计

神经网络常被视为能够估计任何函数的通用方程。然而，这种灵活性伴随着高复杂性的缺点，使这些网络成为黑盒模型，这在以安全为中心的应用中尤为相关。为此，我们提出了一种用于协作机器人（Cobot）抓取算法的流水线，该算法检测相关工具并生成最优抓取。为了提高这种方法的透明度和可靠性，我们集成了可解释AI方法，通过提取学习到的特征并将其与输入中的对应类别相关联，为模型的底层预测提供解释。这些概念随后被用作附加准则，以确保工作工具的安全处理。在本文中，我们展示了该方法的一致性以及用于改善交接位置的准则。该方法在工业环境中进行了测试，其中设置了摄像系统以使机器人能够拾取特定工具和物体。