利用物体可供性进行抓取类型识别
机器人学
2020-09-22 v1 计算机视觉与模式识别
摘要
机器人教学中的一个关键挑战是利用单张 RGB 图像和目标物体名称进行抓取类型识别。在此，我们提出一种简单而有效的流程，通过利用每个物体的抓取类型先验分布来增强基于学习的识别。在该流程中，卷积神经网络（CNN）从 RGB 图像中识别抓取类型。识别结果进一步使用与目标物体名称相关联的先验分布（即可供性）进行校正。实验结果表明，所提方法优于仅用 CNN 的方法和仅用可供性的方法。结果凸显了语言驱动的物体可供性在增强机器人教学中抓取类型识别的有效性。
引用
@article{arxiv.2009.09813,
title = {Grasp-type Recognition Leveraging Object Affordance},
author = {Naoki Wake and Kazuhiro Sasabuchi and Katsushi Ikeuchi},
journal= {arXiv preprint arXiv:2009.09813},
year = {2020}
}
备注
2 pages, 2 figures. Submitted to and accepted by HOBI (IEEE RO-MAN Workshop 2020). Last updated August 26th, 2020