学习抓取衣物结构区域以完成衣物操作任务
机器人学
2024-01-25 v1
摘要
在执行与布料相关的任务（例如挂衣）时，识别和抓取特定的结构区域往往十分重要——例如衬衫的衣领而非袖子。然而，由于布料的易变形性，这些在家庭、医疗和工业环境中必不可少的操作活动对机器人而言仍然具有挑战性。本文以挂衣任务为案例，重点研究如何分割并抓取衣物的结构区域以实现操作任务。为此，提出了一种基于神经网络的感知系统，用于在深度图像中将衬衫衣领与代表场景其余部分的区域分割开来。仅使用一段人类操作衬衫的 10 分钟视频进行训练，我们的感知系统便能够泛化到其他任意纹理的衬衫以及其他类型的有领衣物。随后，基于该分割结果提出了一种新颖的抓取策略以确定抓取位姿。实验表明，我们所提出的抓取策略在单件折叠衣物、单件皱缩衣物和三件皱缩衣物上分别取得了 92%、80% 和 50% 的抓取成功率。我们的抓取策略明显优于未考虑衣物结构特性的被测基线方法。借助所提出的区域分割与抓取策略，利用开环控制策略成功实现了具有挑战性的挂衣任务。补充材料见 https://sites.google.com/view/garment-hanging。
引用
@article{arxiv.2306.14553,
title = {Learning to Grasp Clothing Structural Regions for Garment Manipulation Tasks},
author = {Wei Chen and Dongmyoung Lee and Digby Chappell and Nicolas Rojas},
journal= {arXiv preprint arXiv:2306.14553},
year = {2024}
}
备注
Accepted by IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2023)