基于自监督学习的密集杂乱场景中物体抓取吸盘区域预测
机器人学
2019-04-25 v2 计算机视觉与模式识别
机器学习
摘要
本文关注杂乱场景下的机器人抓取任务。由于料箱抓取情形中物体姿态、堆叠类型多样且背景复杂，在抓取前对其识别和位姿估计十分困难。为此，本文结合 Resnet 与 U-net 结构（一种卷积神经网络（CNN）的特殊框架），在不进行识别与位姿估计的情况下预测抓取区域，并使机器人抓取系统从零学习抓取技能。同时，我们利用在线样本端到端训练网络。文末通过若干实验验证了所提方法的性能。
引用
@article{arxiv.1904.07402,
title = {Suction Grasp Region Prediction using Self-supervised Learning for Object Picking in Dense Clutter},
author = {Quanquan Shao and Jie Hu and Weiming Wang and Yi Fang and Wenhai Liu and Jin Qi and Jin Ma},
journal= {arXiv preprint arXiv:1904.07402},
year = {2019}
}
备注
6 pages, 7 figures, conference