使用深度卷积神经网络的机器人抓取检测
机器人学
2017-07-25 v4 计算机视觉与模式识别
摘要
深度学习极大地推动了计算机视觉和自然语言处理的发展。虽然在机器人领域使用深度学习取得了一些成功，但尚未被广泛采用。在本文中，我们提出了一种新颖的机器人抓取检测系统，该系统利用场景的 RGB-D 图像来预测平行板机器人夹爪对新物体的最佳抓取姿态。所提出的模型使用深度卷积神经网络从场景中提取特征，然后使用一个浅层卷积神经网络来预测感兴趣物体的抓取配置。我们的多模态模型在标准的 Cornell Grasp Dataset 上达到了 89.21% 的准确率，并以实时速度运行。这重新定义了机器人抓取检测的最先进水平。
引用
@article{arxiv.1611.08036,
title = {Robotic Grasp Detection using Deep Convolutional Neural Networks},
author = {Sulabh Kumra and Christopher Kanan},
journal= {arXiv preprint arXiv:1611.08036},
year = {2017}
}
备注
8 pages, 9 figures, 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2017)