面向双手机器人抓取的学习三模式抓取方法
机器人学
2023-03-01 v2
摘要
杂乱场景中的物体抓取是机器人操作领域被广泛研究的问题，然而双手机器人抓取仍是一个重要且具有挑战性的难题。我们发现不同抓握动作（抓取与吸附）的融合能够扩展机器人可抓取物体的范围，而抓握动作与非抓握动作（推）的融合能够扩展双手机器人的抓取空间。本文中，我们通过融合不同抓握动作以及融合抓握动作与非抓握动作，提出了一种用于双手机器人抓取的推-抓-吸（PGS）三模式抓取学习网络。PGS的抓握分支以点云作为输入，通过多任务点云学习生成杂乱场景中抓取与吸附的6自由度抓取位姿。以深度图像作为输入的非抓握分支生成实例分割图与推位姿，配合抓握动作完成单臂空间外物体的抓取。PGS在真实场景中泛化性良好，并达到了最先进的抓取性能。
引用
@article{arxiv.2302.06431,
title = {Learning Tri-mode Grasping for Ambidextrous Robot Picking},
author = {Chenlin Zhou and Peng Wang and Wei Wei and Guangyun Xu and Fuyu Li and Jia Sun},
journal= {arXiv preprint arXiv:2302.06431},
year = {2023}
}
备注
8 pages