从单次演示中学习抓取
计算机视觉与模式识别
2018-06-12 v1 机器学习
机器人学
摘要
使用视觉传感器的基于学习的机器人抓取方法通常需要收集大规模数据集，这些数据集要么由人工标注，要么通过机械臂在真实或模拟世界中大量试错获得。我们提出了一种更简单的从演示中学习的方法，该方法能够利用我们称为GraspNet的卷积神经网络，仅从单次演示中检测待抓取物体。为了进一步提高鲁棒性并减少训练时间，我们利用先前演示的数据对每个新演示快速微调GrapNet。我们给出了在Franka Panda协作机器人上进行的抓取实验的一些初步结果，其中我们仅用数百次训练迭代即可训练一个GraspNet。
引用
@article{arxiv.1806.03486,
title = {Learning to Grasp from a Single Demonstration},
author = {Pieter Van Molle and Tim Verbelen and Elias De Coninck and Cedric De Boom and Pieter Simoens and Bart Dhoedt},
journal= {arXiv preprint arXiv:1806.03486},
year = {2018}
}
备注
10 pages, 5 figures, IAS-15 2018 workshop on Learning Applications for Intelligent Autonomous Robots