Jacquard:一个用于机器人抓取检测的大规模数据集
机器人学
2018-10-01 v2 神经与进化计算
摘要
抓取技能是大量现实应用实现机器人化所需的一项主要能力。最先进的机器人抓取方法基于深度神经网络预测物体抓取位置。然而,此类网络需要海量标注数据用于训练,使得该途径在机器人学中常不可行。本文中,我们提出一种生成带真值的大规模合成数据集的方法,称之为Jacquard抓取数据集。Jacquard构建于大型CAD模型数据集ShapeNet的一个子集之上,包含RGB-D图像以及基于在模拟环境中执行的抓取尝试所得成功抓取位置标注。我们使用现成的CNN开展了实验,采用三种不同评估指标,包括真实抓取机器人试验。结果表明,得益于物体与抓取位置的多样性,Jacquard比人工标注数据集具备更好的泛化能力。为便于机器人学中的可重复研究,我们随Jacquard数据集一同发布了一个Web接口,供研究者使用我们的数据集评估其抓取位置检测的成功率。
引用
@article{arxiv.1803.11469,
title = {Jacquard: A Large Scale Dataset for Robotic Grasp Detection},
author = {Amaury Depierre and Emmanuel Dellandréa and Liming Chen},
journal= {arXiv preprint arXiv:1803.11469},
year = {2018}
}