【NeurIPS 2020】一种端到端全自由度抓取姿态估计网络简介

◆ ◆ ◆ ◆

GPNet: 一种端到端全自由度抓取姿态估计网络简介

Chaozheng Wu   , Jian Chen   , Qiaoyu Cao   , Jianchi Zhang   , Yunxin Tai   , Lin Sun   , Kui Jia   

        South China University of Technology    Samsung, USA

NeurIPS 2020

撰稿人：巫朝政

推荐理事：林宙辰

原文标题：Grasp Proposal Networks: An End-to-End Solution for Visual Learning of Robotic Grasps

论文地址：https://arxiv.org/abs/2009.12606

论文代码：https://github.com/CZ-Wu/GPNet.git

◆ ◆ ◆ ◆

摘要

机器人抓取物体是机器人模仿人类行为的一项基本功能。机器人从视觉观测中学习如何合理地抓取场景中的物体，是一项具有实际应用但又具有挑战性的任务。例如物品的分拣、家庭智能机器人与人的交互等场景中，都会涉及到机器人抓取任务。这个任务的挑战在于：1）视觉感知具有一定的不精确性和噪声，2）机器人在规划抓取路径和执行抓取时可能有一定的系统误差，3）单从视觉观测中，机器人无法获取被抓取物体的物理属性，例如物体的重心、材质、摩擦系数等等。

近期的一些工作[1], [2]表明了利用大规模的合成数据来训练深度学习模型，可以在真实场景中达到很好的鲁棒性和泛化能力，即使合成数据与真实数据有一定的域间差异。但现在的这些工作主要集中于解决基于四自由度（4-DOF）的平面抓取，即机器人的爪子是垂直于桌面从上往下抓取物体的，这大大限制了机器人抓取的灵活性。因此，本文提出了一个合成的六自由度（6-DOF）的数据集，同时提出了生成六自由度抓取的神经网络结构Grasp Proposal Network（GPNet）。我们的方法相对于现有的6-DOF抓取方案[3], [4]，在抓取成功率和抓取多样性两个标准上都有很大的提升。

参考链接：

https://mp.weixin.qq.com/s/ifU4BD8q0WDHDph8RfVLSA

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GPNET” 可以获取《【NeurIPS 2020】一种端到端全自由度抓取姿态估计网络简介》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源