基于启发式与数据驱动主动视觉方法的新物体抓取合成
机器人学
2021-04-26 v1
摘要
在这项工作中，我们提出了若干基于启发式和数据驱动的主动视觉策略，用于臂载深度相机 viewpoint 优化，以辅助机器人抓取。这些策略旨在高效收集数据以提升底层抓取合成算法的性能。我们在仿真中创建了一个开源基准平台（https://github.com/galenbr/2021ActiveVision），并提供了广泛的研究以评估所提方法的性能并将其与多种基线策略进行比较。我们还利用文献中已有的抓取规划基准，通过真实世界设置进行了实验研究。借助这些分析，我们能够定量展示优先特定类型探索的启发式方法的通用性，并定性展示其对新物体以及从仿真到真实世界迁移的鲁棒性。我们识别了方法表现不佳的场景以及客观上困难的场景，并对有前景的未来研究方向进行了讨论。
引用
@article{arxiv.2104.11372,
title = {Grasp Synthesis for Novel Objects Using Heuristic-based and Data-driven Active Vision Methods},
author = {Sabhari Natarajan and Galen Brown and Berk Calli},
journal= {arXiv preprint arXiv:2104.11372},
year = {2021}
}
备注
18 pages, 13 figures, submitted to Frontiers in Robotics and AI 2021