通过神经表面渲染学习杂乱场景中任意视角的六自由度机器人抓取
机器人学
2024-05-30 v4 计算机视觉与模式识别
机器学习
摘要
真实世界机器人操作的一大挑战是，在杂乱场景中仅从任意单一视角有效实现物体的六自由度（6DoF）抓取，而无需额外的场景探索。本工作将抓取重新诠释为渲染，并提出 NeuGraspNet，一种利用神经体积表示与表面渲染进展的新型 6DoF 抓取检测方法。它通过在共享特征空间中联合学习渲染局部物体表面与学习抓取函数，来编码机器人末端执行器与物体表面之间的交互。该方法使用全局（场景级）特征生成抓取，并使用局部（抓取级）神经表面特征评估抓取。这使得即便在部分观测场景中也能进行有效、完全隐式的 6DoF 抓取质量预测。NeuGraspNet 在移动操作场景中常见的随机视角下运行，并优于现有的隐式与半隐式抓取方法。该方法的真实世界适用性已通过移动操作机器人在开阔、杂乱空间中的抓取得到验证。项目网站：https://sites.google.com/view/neugraspnet
引用
@article{arxiv.2306.07392,
title = {Learning Any-View 6DoF Robotic Grasping in Cluttered Scenes via Neural Surface Rendering},
author = {Snehal Jauhri and Ishikaa Lunawat and Georgia Chalvatzaki},
journal= {arXiv preprint arXiv:2306.07392},
year = {2024}
}
备注
Accpeted at Robotics: Science and Systems 2024