杂乱环境中多根原木抓取位姿的合成

多物体抓取是一项具有挑战性的任务。对于工业起重机操作臂（例如用于从森林地面和林业机械上收集原木的机械臂）的节能与成本效益运行而言，该任务至关重要。在本工作中，我们利用物理仿真生成的合成数据，探索了如何运用数据驱动建模从图像中推断多物体抓取位姿。我们展示了卷积神经网络可被专门训练用于合成多物体抓取。以 RGB-Depth 图像和实例分割掩码作为输入，U-Net 模型输出带有对应抓斗朝向和张开宽度的抓取图。给定对一堆原木的观测，该模型可用于合成并评估可能的抓取位姿，并选择最合适的一个，同时能够适应变化的操作约束，如举升能力和作业半径。在先前未见过的数据上进行测试时，所提出的模型找到了成功的抓取位姿，准确率高达 96%。