利用合成数据与深度网络识别用于物体抓取的基元形状
计算机视觉与模式识别
2019-09-19 v1 机器人学
摘要
提出一种基于分割的架构，从单目深度输入中将物体分解为多个基元形状，以用于机器人操作。骨干深度网络在由仿真引擎生成的含 6 类基元形状的合成数据上训练。每个基元形状都设计有参数化抓取族，使流水线能对每个形状基元区域识别多个抓取候选。抓取通过所提排序算法按优先级排序，并选择第一个可行抓取执行。在针对单个物体的无任务抓取中，该方法达到 94% 成功率。在有任务导向的抓取中，达到 76% 成功率。总体而言，该方法支持了形状基元可支持无任务及任务相关抓取预测的假设。
引用
@article{arxiv.1909.08508,
title = {Using Synthetic Data and Deep Networks to Recognize Primitive Shapes for Object Grasping},
author = {Yunzhi Lin and Chao Tang and Fu-Jen Chu and Patricio A. Vela},
journal= {arXiv preprint arXiv:1909.08508},
year = {2019}
}
备注
8 pages