基于隐式超二次曲面的未知物体无学习抓取

机器人抓取是一项基础且关键的任务，过去几十年间已被广泛研究。传统工作分析物体的物理模型并计算力闭合抓取。此类方法需要物体完整3D模型的先验知识，而这通常难以获取。近来随着机器学习的显著进展，数据驱动方法已占据主导地位。尽管取得了令人印象深刻的改进，这些方法仍需大量训练数据且泛化能力有限。本文中，我们提出一种新颖的两阶段方法，直接从物体的点云预测并合成抓取姿态，无需数据库知识或学习。首先，在物体内不同位置恢复多个超二次曲面，表示物体表面的局部几何特征。随后，我们的算法利用超二次曲面的三对称特征，从每个恢复的超二次曲面合成一组对映抓取。设计了一个评估模型来评估和量化每个抓取候选的质量。得分最高的抓取候选被选为最终抓取姿态。我们在孤立场景和堆叠场景中进行实验以验证方法的有效性。结果表明，与最先进方法相比，我们的方法在无需完整模型或先验训练的情况下表现出具有竞争力的性能。