GraspCaps:一种用于常见物体 6DoF 抓取的胶囊网络方法
机器人学
2023-12-01 v2 人工智能
摘要
随着机器人在工业环境之外日益普及,对可靠物体抓取与操作的需求正在增长。在此类环境中,机器人必须能在各种情况下抓取并操作新颖物体。本文提出 GraspCaps,一种基于胶囊网络的新型架构,用于为常见物体生成逐点 6D 抓取配置。GraspCaps 从点云输入中提取所存在物体的丰富特征向量,进而用于生成逐点抓取向量。该方法使网络能学习每一物体类别的特定抓取策略。除 GraspCaps 外,本文还提出一种利用模拟退火生成大规模物体抓取数据集的方法。所得数据集随后用于训练 GraspCaps 网络。通过大量实验,我们评估了所提方法的性能,尤其在具有挑战性的真实与仿真场景中抓取常见物体的成功率方面。实验结果表明,所提方法的整体物体抓取性能显著优于所选基线。这一优越性能凸显了 GraspCaps 在各种场景下实现成功物体抓取的有效性。
引用
@article{arxiv.2210.03628,
title = {GraspCaps: A Capsule Network Approach for Familiar 6DoF Object Grasping},
author = {Tomas van der Velde and Hamed Ayoobi and Hamidreza Kasaei},
journal= {arXiv preprint arXiv:2210.03628},
year = {2023}
}
备注
Submitted to CVPR 2023, Supplementary video: https://youtu.be/d13rEhKgApI?si=EhgbDI84nlXL5V2M