基于增强抓取图表示与方向注意力机制的机器人抓取合成
机器人学
2021-02-03 v2 计算机视觉与模式识别
摘要
物体固有的形态学特征可能提供大量合理的抓取方向，这给机器人抓取的视觉学习带来困扰。现有的抓取生成方法通过将每个抓取点上差异极大的方向标注聚合，不可避免地构造出不连续的抓取图。此外，当前方法在机器人视角的单一方向上生成抓取候选，忽略了其可行性约束。本文提出一种适用于逐像素合成的新型增强抓取图表示，其通过将角度空间划分为多个区间来局部解耦抓取方向。进一步，我们引入 ORientation AtteNtive Grasp synthEsis（ORANGE）框架，联合解决方向区间分类与角度值回归问题。按区间划分的方向图进一步作为对抓取性更高区域（即作为实际抓取点的概率）的注意力机制。我们在 Jacquard 数据集上以仅使用深度图像的简单 U-Net 报告了 94.71% 的新最优性能，甚至优于多模态方法。随后在真实双手机器人上的定性结果验证了 ORANGE 在生成多方向抓取方面的有效性，从而允许规划可行的抓取。
引用
@article{arxiv.2006.05123,
title = {Orientation Attentive Robotic Grasp Synthesis with Augmented Grasp Map Representation},
author = {Georgia Chalvatzaki and Nikolaos Gkanatsios and Petros Maragos and Jan Peters},
journal= {arXiv preprint arXiv:2006.05123},
year = {2021}
}
备注
7 pages, 4 figures, 5 tables