基于深度神经网络推断的多指抓取规划
机器人学
2020-03-20 v2
摘要
我们提出了一种利用学习的深度神经网络模型进行多指抓取规划的新方法。我们训练了一个基于体素的3D卷积神经网络，以物体视觉信息与抓取构型为函数来预测抓取成功概率。随后，我们可以将抓取规划表述为推断使抓取成功概率最大化的抓取构型。此外，我们学习了以基于体素的对象表示为条件的混合密度网络形式的抓取构型先验。我们表明，与学习的、与物体无关的先验或均匀无信息先验相比，该物体条件先验在与学习的抓取成功预测网络结合使用时可改善抓取推断。我们的工作是首个无需外部规划器、直接使用深度神经网络在构型空间中规划高质量多指抓取的方法。我们在物理机器人上执行多指抓取验证了我们的推断方法。实验结果表明，我们的规划方法优于现有的神经网络抓取规划方法。
引用
@article{arxiv.2001.09242,
title = {Multi-Fingered Grasp Planning via Inference in Deep Neural Networks},
author = {Qingkai Lu and Mark Van der Merwe and Balakumar Sundaralingam and Tucker Hermans},
journal= {arXiv preprint arXiv:2001.09242},
year = {2020}
}