学习在密集杂乱中检测多模态抓取以实现灵巧抓取
机器人学
2021-09-16 v2
摘要
我们提出一种多模态抓取检测方法，联合预测在给定抓取位姿下若干类型抓取成功的概率。给定场景的部分点云，算法提出一组可行抓取候选，然后估计每种类型抓取在各候选位姿上成功的概率。直接从点云预测抓取成功概率使我们的方法在执行时对深度传感器的数量与布置不敏感。我们在仿真中以及在使用 Robotiq 3-Finger Adaptive Gripper 的真实机器人上评估了我们的系统，并将我们的网络与执行较少抓取类型的若干基线进行比较。实验表明，显式建模抓取类型的系统在复杂杂乱环境中的物体检索率比我们性能最高的基线高 8.5%。
引用
@article{arxiv.2106.03919,
title = {Learning to Detect Multi-Modal Grasps for Dexterous Grasping in Dense Clutter},
author = {Matt Corsaro and Stefanie Tellex and George Konidaris},
journal= {arXiv preprint arXiv:2106.03919},
year = {2021}
}
备注
IROS 2021 Accepted Version