整理机器人2.0：基于自监督可抓取性估计增强物体组织
机器人学
2023-10-31 v1
摘要
基于近期Transformer方法在家用机器人执行整理（即将散乱物品有序摆放的艺术）上的进展，本文介绍了整理机器人2.0。认识到物体堆积或彼此紧邻所带来的挑战，这一升级系统融入了自监督可抓取性估计模型。若物体被判定为不可抓取，将执行额外行为以在整理桌面之前分离物体。通过将此抓取预测机制与现有视觉感知及基于Transformer的整理模型相结合，展示了一个能够处理更为复杂、密集摆放桌面场景的高级整理与去杂乱系统。实验评估证明了该模块的有效性，其可抓取性预测准确率达95.7%。
引用
@article{arxiv.2310.19226,
title = {Knolling bot 2.0: Enhancing Object Organization with Self-supervised Graspability Estimation},
author = {Yuhang Hu and Zhizhuo Zhang and Hod Lipson},
journal= {arXiv preprint arXiv:2310.19226},
year = {2023}
}
备注
This paper has been accepted by the NeurIPS 2023 Robot Learning Workshop