REGNet V2：面向点云中不同尺寸夹爪的端到端基于区域的抓取检测网络
机器人学
2024-10-15 v1
摘要
多年来，抓取一直是机器人领域中一个关键但具有挑战性的问题。最重要的挑战之一是如何使抓取对于非结构化环境中的新物体和夹爪具有泛化性和鲁棒性。我们提出了\regnet，一个能够适应不同平行夹爪以抓取多样化物体的机器人抓取系统。为了支持不同的夹爪，\regnet将夹爪参数嵌入到点云中，并基于此预测合适的抓取配置。它包含三个组件：评分网络（SN）、抓取区域网络（GRN）和精炼网络（RN）。在第一阶段，SN用于根据抓取置信度分数筛选适合抓取的点。在第二阶段，基于选定的点，GRN生成一组抓取提案。最后，RN精炼抓取提案以获得更准确和鲁棒的预测。我们设计了一种分析策略，从预测的抓取集中选择要执行的最优抓取。为了训练\regnet，我们构建了一个大规模抓取数据集，其中包含使用不同平行夹爪的无碰撞抓取配置。实验结果表明，带有分析策略的\regnet在包含20个物体的真实世界杂乱场景中实现了最高的成功率为，显著优于几种最先进的方法，包括GPD、PointNetGPD和S4G。代码和数据集可在https://github.com/zhaobinglei/REGNet-V2获取。
引用
@article{arxiv.2410.09431,
title = {REGNet V2: End-to-End REgion-based Grasp Detection Network for Grippers of Different Sizes in Point Clouds},
author = {Binglei Zhao and Han Wang and Jian Tang and Chengzhong Ma and Hanbo Zhang and Jiayuan Zhang and Xuguang Lan and Xingyu Chen},
journal= {arXiv preprint arXiv:2410.09431},
year = {2024}
}