面向六自由度抓取位姿检测的混合物理度量
机器人学
2022-06-23 v1 人工智能
计算机视觉与模式识别
摘要
多抓取、多物体的六自由度(6-DoF)抓取位姿检测是智能机器人领域的一项挑战性任务。为模仿人类抓取物体的推理能力，数据驱动方法被广泛研究。随着大规模数据集的引入，我们发现单一物理度量通常会产生若干离散级别的抓取置信度分数，无法精细区分数百万种抓取位姿并导致不准确的预测结果。在本文中，我们提出一种混合物理度量以解决该评估不足问题。首先，我们定义一种基于力闭合度量、并辅以物体平整度、重力和碰撞测量的新型度量。其次，我们利用该混合物理度量生成精细的置信度分数。第三，为有效学习新置信度分数，我们设计了一个称为平整度重力碰撞抓取网(Flatness Gravity Collision GraspNet, FGC-GraspNet)的多分辨率网络。FGC-GraspNet提出了一种面向多任务的多分辨率特征学习架构，并引入了一种新的联合损失函数以提升抓取检测的平均精度。网络评估与充分的真实机器人实验证明了我们的混合物理度量与FGC-GraspNet的有效性。我们的方法在真实杂乱场景中以90.5%的成功率达成抓取。我们的代码可在 https://github.com/luyh20/FGC-GraspNet 获取。
引用
@article{arxiv.2206.11141,
title = {Hybrid Physical Metric For 6-DoF Grasp Pose Detection},
author = {Yuhao Lu and Beixing Deng and Zhenyu Wang and Peiyuan Zhi and Yali Li and Shengjin Wang},
journal= {arXiv preprint arXiv:2206.11141},
year = {2022}
}
备注
7 pages, 7 figures, accepted by ICRA 2022