REGRAD：面向杂乱环境中安全且对象特定机器人抓取的大规模关系抓取数据集
机器人学
2021-12-10 v4 计算机视觉与模式识别
摘要
尽管机器人抓取取得了令人瞩目的进展，机器人在复杂任务（例如在杂乱中搜索并抓取指定目标）上仍不熟练。此类任务不仅涉及抓取，还涉及对世界的综合感知（例如对象间关系）。近来，令人鼓舞的结果表明，通过学习方法理解高层概念是可能的。然而，这类算法通常数据密集，而数据匮乏严重制约了其性能。本文提出一个名为 REGRAD 的新数据集，用于学习对象间关系与抓取。我们为面向目标驱动的关系抓取任务采集了对象位姿、分割、抓取及关系的标注。我们的数据集以 2D 图像与 3D 点云两种形式采集。此外，由于所有数据均为自动生成，可自由导入新对象进行数据生成。我们还发布了一个真实世界验证数据集，以评估在 REGRAD 上训练的模型的仿真到真实性能。最后，我们进行了一系列实验，表明在 REGRAD 上训练的模型在关系检测与抓取检测方面均能很好地泛化至真实场景。我们的数据集与代码见：https://github.com/poisonwine/REGRAD
引用
@article{arxiv.2104.14118,
title = {REGRAD: A Large-Scale Relational Grasp Dataset for Safe and Object-Specific Robotic Grasping in Clutter},
author = {Hanbo Zhang and Deyu Yang and Han Wang and Binglei Zhao and Xuguang Lan and Jishiyu Ding and Nanning Zheng},
journal= {arXiv preprint arXiv:2104.14118},
year = {2021}
}