改进型 GQ-CNN：用于规划鲁棒抓取的深学习模型
机器学习
2018-02-19 v1 人工智能
机器人学
机器学习
摘要
机器人抓取领域的最近进展显示，在处理未知物体时抓取成功率有了很大提升。在本工作中，我们改进了最具前景的方法之一：在 DexNet 2.0 数据集上训练的抓取质量卷积神经网络 (GQ-CNN)。我们提出了 GQ-CNN 的新架构，并描述了将模型验证准确率从 92.2% 提升至 95.8%、以及从 85.9% 提升至 88.0% 的实用改进，分别对应图像级和物体级的训练与验证划分。
引用
@article{arxiv.1802.05992,
title = {Improved GQ-CNN: Deep Learning Model for Planning Robust Grasps},
author = {Maciej Jaśkowski and Jakub Świątkowski and Michał Zając and Maciej Klimek and Jarek Potiuk and Piotr Rybicki and Piotr Polatowski and Przemysław Walczyk and Kacper Nowicki and Marek Cygan},
journal= {arXiv preprint arXiv:1802.05992},
year = {2018}
}
备注
6 pages, 3 figures