基于注意力机制的真实世界语义抓取检测
机器人学
2022-03-03 v2 人工智能
摘要
识别物体类别并利用物体自身特征预测抓取配置，对提升抓取检测模型精度与拓展其应用具有重要意义。研究者一直试图将这些能力集成于端到端网络中，以高效抓取杂乱场景中的特定物体。本文提出一种端到端语义抓取检测模型，可同时完成语义识别与抓取检测。我们还设计了一种目标特征注意力机制，根据语义信息引导模型聚焦于目标物体本体的特征进行抓取预测。该方法有效削弱了与目标物体弱相关的背景特征，从而使特征更具独特性，保障了抓取检测的精度与效率。实验结果表明，所提方法在Cornell Grasp Dataset上可达到98.38%的准确率。此外，我们在复杂多物体场景或更严苛评估指标上的结果展示了该方法相对于当前最优方法的领域适应性。
引用
@article{arxiv.2111.10522,
title = {Real-World Semantic Grasp Detection Based on Attention Mechanism},
author = {Mingshuai Dong and Shimin Wei and Jianqin Yin and Xiuli Yu},
journal= {arXiv preprint arXiv:2111.10522},
year = {2022}
}