通过悬挂捕捉：一种针对先前未见对象的数据驱动抓取检测方法

本文提出了一种新颖的数据驱动三阶段方法，用于预测抓取姿态，使机器人能够抓取并转移先前未见的对象。该方法首先通过分析悬挂力学和几何属性，识别potential structures，即能够提供悬挂动作的结构。随后，为配备伸展杆的夹爪检测6D姿态，当夹爪闭合时形成环状钩住每个可悬挂结构。最后，采用评估策略对抓取候选方案进行质量评估和排序。与传统基于物理模型和深度学习的方法相比，本方法更贴近人类对未知物体抓取的自然动作，同时消除了大量训练数据的数据需求。为评估所提方法的有效性，我们使用实际机器人进行了实验。实验结果表明，所提方法的抓取精度和稳定性显著高于最先进的数据驱动方法，尤其在薄扁平物体方面表现更为突出。