基于新型两阶段方法的机器人抓取检测
机器人学
2020-12-01 v1 计算机视觉与模式识别
摘要
近年来，深度学习已成功应用于机器人抓取检测。基于卷积神经网络（CNNs），已出现大量端到端检测方法。但端到端方法对用于训练神经网络模型的数据集有严格要求，且在实际应用中难以满足。因此，我们提出了一种使用粒子群优化器（PSO）候选估计器与 CNN 的两阶段方法来检测最可能抓取位姿。我们的方法在 Cornell Grasp Dataset 上达到了 92.8% 的准确率，跃居现有方法前列，且能够以实时速度运行。对该方法稍作改动后，我们可同时预测每个物体的多个抓取位姿，从而能以多种方式抓取物体。
引用
@article{arxiv.2011.14123,
title = {Robotic grasp detection using a novel two-stage approach},
author = {Zhe Chu and Mengkai Hu and Xiangyu Chen},
journal= {arXiv preprint arXiv:2011.14123},
year = {2020}
}