面向六自由度抓取位姿估计的语义与碰撞联合学习
机器人学
2021-09-28 v2 计算机视觉与模式识别
摘要
由于需要充分理解场景与物体信息，杂乱场景中的抓取一直是机器人面临的一大挑战。以往工作通常假设物体的几何信息已知，或采用分步、多阶段策略预测可行的六自由度（6-DoF）抓取位姿。本文中，我们将 6-DoF 抓取位姿估计形式化为一个同步多任务学习问题。在一个统一框架中，我们联合预测可行的 6-DoF 抓取位姿、实例语义分割与碰撞信息。整个框架联合优化且端到端可微。我们的模型在大规模基准数据集以及真实机器人系统上进行了评估。在公开数据集上，我们的方法以较大优势（+4.08 AP）优于先前最先进的方法。我们还在真实机器人平台上实现了所提模型，并展示该机器人能在杂乱场景中高精度抓取目标物体且成功率较高。项目链接：https://openbyterobotics.github.io/sscl
引用
@article{arxiv.2108.02425,
title = {Simultaneous Semantic and Collision Learning for 6-DoF Grasp Pose Estimation},
author = {Yiming Li and Tao Kong and Ruihang Chu and Yifeng Li and Peng Wang and Lei Li},
journal= {arXiv preprint arXiv:2108.02425},
year = {2021}
}
备注
International Conference on Intelligent Robots and Systems (IROS) 2021