用于基于深度学习的鲁棒自主机器人运动生成的空间注意力点网络
机器人学
2021-03-03 v1
摘要
深度学习为复杂机器人运动的自动获取提供了强大的框架。然而，尽管具有一定程度的泛化能力，依赖于工件位置的大量训练数据需求是工业应用的一大障碍。因此，需要一种能够以少量训练数据应对多种工件位置的机器人运动生成模型。在本文中，我们提出了一种对物体位置变化具有鲁棒性的方法，通过自动提取图像中针对机器人任务的空间注意力点，并基于其位置生成运动。我们使用 LBR iiwa 7R1400 机器人臂在多种情境下的不同位置进行了抓取任务以及抓取-放置任务的演示。在每个任务中，针对任务重要的工件获取空间注意力点。我们的方法对物体位置变化具有鲁棒性。此外，由于仅关注对任务重要的位置，它对背景、光照和任务不重要的障碍物的变化也具有鲁棒性。
引用
@article{arxiv.2103.01598,
title = {Spatial Attention Point Network for Deep-learning-based Robust Autonomous Robot Motion Generation},
author = {Hideyuki Ichiwara and Hiroshi Ito and Kenjiro Yamamoto and Hiroki Mori and Tetsuya Ogata},
journal= {arXiv preprint arXiv:2103.01598},
year = {2021}
}