密集杂乱场景中的高精度抓取位姿检测
机器人学
2017-06-23 v2
摘要
本文考虑点云中的抓取位姿检测问题。我们遵循一种通用的算法结构，首先生成大量的6-DOF抓取候选，然后将每个候选分类为良好抓取或不良抓取。本文的重点是通过使用来自大型在线数据集的深度传感器扫描数据来训练卷积神经网络，从而改进第二步。我们提出了两种新的抓取候选表示，并量化了使用两种形式先验知识的效果：待抓取物体的实例或类别知识，以及在由理想化CAD模型获得的模拟深度数据上对网络进行预训练。我们的分析表明，更具信息量的抓取候选表示以及预训练和先验知识显著改善了抓取检测。我们在Baxter Research Robot上评估了我们的方法，并在密集杂乱场景中展示了93%的平均抓取成功率。这与我们之前的工作相比提高了20%。
引用
@article{arxiv.1603.01564,
title = {High precision grasp pose detection in dense clutter},
author = {Marcus Gualtieri and Andreas ten Pas and Kate Saenko and Robert Platt},
journal= {arXiv preprint arXiv:1603.01564},
year = {2017}
}