自适应机器人应用的 Sim2Real 抓取位姿估计
机器人学
2024-07-29 v2
摘要
自适应机器人在实现真正协同创造的信息物理系统中起着至关重要的作用。在机器人操作任务中，最大的挑战之一是估计给定工件的位姿。尽管近期基于深度学习的模型展现出有前景的结果，它们仍需海量数据集用于训练。本文提出两种基于视觉的多物体抓取位姿估计模型（MOGPE）：MOGPE Real-Time 与 MOGPE High-Precision。此外，提出一种基于域随机化的 sim2real 方法以缩小现实差距并克服数据短缺。我们的方法在真实世界机器人拾放实验中分别取得了 80% 和 96.67% 的成功率，对应 MOGPE Real-Time 与 MOGPE High-Precision 模型。我们的框架提供了一种用于快速数据生成与模型训练的工业工具，且仅需极少的领域特定数据。
引用
@article{arxiv.2211.01048,
title = {Sim2Real Grasp Pose Estimation for Adaptive Robotic Applications},
author = {Dániel Horváth and Kristóf Bocsi and Gábor Erdős and Zoltán Istenes},
journal= {arXiv preprint arXiv:2211.01048},
year = {2024}
}
备注
Accpeted for publication in the proceedings of the 22nd IFAC World Congress