学习生成具有可达性感知的六自由度抓取位姿
机器人学
2020-10-02 v3 人工智能
摘要
受非结构化真实世界中大量未知物体任意分布于表面的严苛要求驱动，我们提出了一种基于体素的深度三维卷积神经网络（3D CNN），可在具有可达性感知的无约束工作空间中生成可行的六自由度（6-DoF）抓取位姿。与大多数仅基于抓取位姿稳定性来预测受限工作空间内所提议抓取位姿是否成功的作品不同，我们的方法进一步学习一个可达性预测器，从机器人自身经验评估该抓取位姿是否可达。为避免繁重的真实训练数据收集，我们利用仿真威力在大规模合成数据集上训练网络。本工作是同时利用习得知识评估抓取可达性并通过 3D CNN 提出可行抓取位姿的早期尝试。仿真与真实世界的实验结果表明，我们的方法优于其他几种方法，并在未知物体上达到 82.5% 的抓取成功率。
引用
@article{arxiv.1910.06404,
title = {Learning to Generate 6-DoF Grasp Poses with Reachability Awareness},
author = {Xibai Lou and Yang Yang and Changhyun Choi},
journal= {arXiv preprint arXiv:1910.06404},
year = {2020}
}
备注
Published as a conference paper at ICRA 2020