VGQ-CNN：超越固定相机与顶部抓取的抓取质量预测
机器人学
2022-11-08 v2 计算机视觉与模式识别
摘要
我们提出了通用抓取质量卷积神经网络（VGQ-CNN），一种用于 6-DOF 抓取的抓取质量预测网络。在评估从大范围相机位姿观察到的物体或移动机器人的抓取时，可以使用 VGQ-CNN 而无需重新训练网络。通过将抓取方向明确定义为网络的输入，VGQ-CNN 能够评估 6-DOF 抓取位姿，超越了大多数基于图像的抓取评估方法（如 GQ-CNN）中使用的 4-DOF 抓取。为了训练 VGQ-CNN，我们生成了新的通用抓取数据集（VG-dset），其中包含从大范围相机位姿观察到的 6-DOF 抓取。VGQ-CNN 在我们的测试集上实现了 82.1% 的平衡准确率，同时能够泛化到各种相机位姿。与此同时，对于顶部相机和顶部抓取，它实现了 74.2% 的平衡准确率，与 GQ-CNN 的 76.6% 相比具有竞争力的性能。我们还提出了一种改进的网络架构 FAST-VGQ-CNN，它使用共享编码器架构加速推理，并能在 CPU 上 12ms 内做出 128 个抓取质量预测。代码和数据可在 https://aucoroboticsmu.github.io/vgq-cnn/ 获取。
引用
@article{arxiv.2203.04874,
title = {VGQ-CNN: Moving Beyond Fixed Cameras and Top-Grasps for Grasp Quality Prediction},
author = {A. Konrad and J. McDonald and R. Villing},
journal= {arXiv preprint arXiv:2203.04874},
year = {2022}
}
备注
Accepted for International Joint Conference on Neural Networks (IJCNN) 2022