通过学放置来学重抓取

在本文中，我们探讨机器人是否能够学习对多样化物体进行重抓取，以实现各种期望的抓取姿态。每当机器人当前的抓取姿态无法执行期望的操作任务时，就需要重抓取。赋予机器人这种能力在制造或家庭服务等许多领域具有应用价值。然而，由于日常物体几何形状的高度多样性以及状态和动作空间的高维性，这是一项具有挑战性的任务。在本文中，我们提出了一个系统，使机器人以物体及支撑环境的部分点云作为输入，输出一系列拾放操作，将初始物体抓取姿态转换为期望的物体抓取姿态。关键技术包括一个神经稳定放置预测器，以及一种通过利用和改变周围环境基于重抓取图的求解方法。我们引入了一个新的且具有挑战性的合成数据集，用于学习和评估所提出的方法。我们通过模拟器和真实世界实验证明了我们所提出系统的有效性。更多视频和可视化示例可在我们的项目网页上查看。