TransSC：基于 Transformer 的形状补全用于抓取评估
机器人学
2022-10-18 v1
摘要
目前，基于稀疏部分点云的机器人抓取方法在各种物体上已取得了良好的抓取性能，但由于缺乏物体的几何信息，它们常常生成错误的抓取候选。在本工作中，我们提出了一种新颖且鲁棒的形状补全模型（TransSC）。该模型具有一个基于 transformer 的编码器以探索更多逐点特征，以及一个基于流形的解码器以利用部分点云作为输入来挖掘更多物体细节。定量实验验证了所提形状补全网络的有效性，并表明其优于现有方法。此外，TransSC 被集成到一个抓取评估网络中以生成一组抓取候选。仿真实验表明，与现有的形状补全基线相比，TransSC 改善了抓取生成结果。进一步，我们的机器人实验表明，借助 TransSC，机器人能更成功地抓取随机放置在支撑面上的物体。
引用
@article{arxiv.2107.00511,
title = {TransSC: Transformer-based Shape Completion for Grasp Evaluation},
author = {Wenkai Chen and Hongzhuo Liang and Zhaopeng Chen and Fuchun Sun and Jianwei Zhang},
journal= {arXiv preprint arXiv:2107.00511},
year = {2022}
}