基于归一化抓取空间的高效 6-DoF 抓取区域感知框架
机器人学
2024-11-15 v3
摘要
一系列基于区域的方法成功提取了区域特征并提升了抓取检测质量。然而,面对存在潜在碰撞的杂乱场景,抓取相关区域的定义仍不一致,且抓取与区域空间之间的关系尚未得到充分研究。在本文中,我们从新颖的区域感知视角提出了归一化抓取空间(Normalized Grasp Space, NGS),在归一化区域空间内统一了抓取表示,并有利于提升方法的泛化能力。利用 NGS,我们发现 CNN 在杂乱场景中的 3D 特征提取与 6-DoF 抓取检测能力被低估,并构建了高效的区域感知归一化抓取网络(Region-aware Normalized Grasp Network, RNGNet)。在公开基准测试上的实验表明,我们的方法取得了超过 20% 的显著性能提升,同时实现了约 50 FPS 的实时推理速度。真实世界的杂乱场景清理实验突显了我们方法的有效性。此外,人机交接与动态物体抓取实验展示了我们提出的方法在动态场景下进行闭环抓取的潜力。
引用
@article{arxiv.2406.01767,
title = {Region-aware Grasp Framework with Normalized Grasp Space for Efficient 6-DoF Grasping},
author = {Siang Chen and Pengwei Xie and Wei Tang and Dingchang Hu and Yixiang Dai and Guijin Wang},
journal= {arXiv preprint arXiv:2406.01767},
year = {2024}
}
备注
Accepted by CoRL2024, final camera-ready version will be updated soon