将仿真经验迁移至真实世界以完成高度杂乱场景中的精确拾放任务
机器人学
2021-01-14 v1 人工智能
计算机视觉与模式识别
摘要
在本文中，我们介绍了一种新颖的基于学习的方法，用于在高杂乱场景中抓取已知刚体物体并基于深度图像精确放置它们。我们的放置质量网络（PQ-Net）在一次神经网络前向传播中以 92 fps 的速率同时估计多个物体的物体位姿以及每个自动生成的抓取位姿的质量。所有抓取与放置试验均在物理仿真中执行，并利用域随机化将所获经验迁移至真实世界。我们证明了我们的策略成功迁移到了真实世界。PQ-Net 在抓取成功率方面优于其他无模型方法，并且无需任何人工干预即可自动扩展到具有任意对称性的新物体。
引用
@article{arxiv.2101.04781,
title = {Transferring Experience from Simulation to the Real World for Precise Pick-And-Place Tasks in Highly Cluttered Scenes},
author = {Kilian Kleeberger and Markus Völk and Marius Moosmann and Erik Thiessenhusen and Florian Roth and Richard Bormann and Marco F. Huber},
journal= {arXiv preprint arXiv:2101.04781},
year = {2021}
}
备注
Accepted at 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2020)