S4G：杂乱场景中基于单视图单帧的SE(3)模态无关抓取检测
机器人学
2019-11-01 v1 计算机视觉与模式识别
摘要
抓取是机器人研究中最为基础且长久存在的问题之一。本文研究由商品深度传感器从单一视角捕获的杂乱场景中，平行夹爪的6-DoF（自由度）抓取问题。我们在一个基于学习的框架中解决该问题。在高层，我们依赖一个单帧抓取提议网络，该网络使用合成数据训练并在真实场景中测试。我们的单帧神经网络架构能够高效且有效地预测模态无关抓取提议。我们的训练数据合成流程可生成复杂物体配置的场景，并利用一种创新的夹爪接触模型来创建密集且高质量的抓取标注。在合成与真实环境中的实验表明，所提方法可以大幅优于当前最优方法（state-of-the-arts）。
引用
@article{arxiv.1910.14218,
title = {S4G: Amodal Single-view Single-Shot SE(3) Grasp Detection in Cluttered Scenes},
author = {Yuzhe Qin and Rui Chen and Hao Zhu and Meng Song and Jing Xu and Hao Su},
journal= {arXiv preprint arXiv:1910.14218},
year = {2019}
}
备注
Accepted at the Conference on Robot Learning (CoRL) 2019. Project webpage is available here: https://sites.google.com/view/s4ggrapsing