基于学习的平面抓取检测方法分类及讨论
平面抓取检测的任务是，输入感知数据，输出抓取配置。到目前，基于学习的平面抓取检测方法主要分为两类：
（1）一阶段的端到端学习方法。
（2）两阶段的学习方法。
1、一阶段学习法
在这类方法中，直接学习从输入数据到抓取配置的映射函数，即神经网络。输入通常为RGB图像或深度图像，输出为抓取配置的集合，然后根据置信度选取最优的抓取配置。目前以基于矩形框抓取表示的方法为主，如
（1）Fully Convolutional Grasp Detection Network with Oriented Anchor Box
（2）Real-world Multi-object, Multi-grasp Detection
（3）Densely Supervised Grasp Detector (DSGD)
2、两阶段学习法
包括两阶段：抓取配置采样，抓取配置评估。第一阶段首先采样多个抓取配置，第二阶段评估每个候选抓取的质量，然后选取最优的抓取。目前最好的是Dex-Net 4.0：
（1）Dex-Net 4.0: Learning ambidextrous robot grasping policies
3、讨论
一阶段学习法的GroundTruth是物体上所有的可行抓取配置，标注抓取配置可以手动标注、机器人实际试错标注或者虚拟环境自动生成，存在下面几个问题：
（1）手动标注没有统一标准，存在误差。
（2）机器人标注太耗时，2016年ICRA的Supersizing Self-supervision: Learning to Grasp from 50K Tries and 700 Robot Hours 耗费了大量时间，最终的结果却不尽人意。
（3）不管是哪种标注方法，都无法详尽地标注物体所有可行的抓取方法，这意味着，神经网络没有最佳的学习target。
（4）多物体堆叠场景难以进行标注，导致现在的平面抓取数据集几乎都是单物体的(cornell、Jacquard等，现在应该有合成的多物体场景数据集，没太关注)，使得学习的网络在bin-picking任务中表现较差。
二阶段学习法的GroundTruth是抓取样本的质量，即0或1。数据集可以在虚拟环境中自动生成数据集，学习的target也是最佳的，不过合成像Dex-Net4.0那种百万级的样本也不是一般实验室能做的。尽管如此，可以看出二阶段学习法比一阶段学习法更好，更值得研究。下一步的研究方向是如何面向小数据集进行抓取检测。
基于学习的平面抓取检测方法分类及讨论相关推荐
- 基于深度学习的抓取检测(grasp detection)相关论文解析
近几年深度学习技术蓬勃发展,其相关的应用场景也越来越多样化,比如本人做的机械手抓取物体就可以通过深度学习技术加以应用,优化出抓取目标物体的合适的中心坐标,旋转角以及爪盘开度.针对这个问题,目前绝大多数 ...
- 抓取检测之Closing the Loop for Robotic Grasping: A Real-time, Generative Grasp Synthesis Approach
论文简介: <Closing the Loop for Robotic Grasping: A Real-time, Generative Grasp Synthesis Approach> ...
- pybullet平面抓取算法介绍以及GGCNN网络结构（二）
目录 基于深度学习的平面抓取算法 二指机械手抓取模型 平面抓取: 平面抓取第一种模型 平面抓取第二种模型 平面抓取检测与神经网络结构 端到端 先采样后评估 平面抓取检测数据集 经典平面抓取算法 GGC ...
- 基于视觉的机器人抓取：从物体定位、物体姿态估计到平行抓取器抓取估计
编者荐语 抓取综合方法是机器人抓取问题的核心,本文从抓取检测.视觉伺服和动态抓取等角度进行讨论,提出了多种抓取方法. 转载自丨3D视觉开发者社区 目 录 / contents 1. 引言 1.1 抓 ...
- 机器人识别抓取笔记（基于视觉的机器人抓取——从物体定位、物体姿态估计到平行抓取器抓取估计：综述）
Real-Time Deep Learning Approach to Visual Servo Control and Grasp Detection for Autonomous Robotic ...
- 【机器人识别抓取】基于视觉的机器人抓取——从物体定位、物体姿态估计到平行抓取器抓取估计
目录 导读 1 引言 1.1 抓取综合方法 1.2 基于视觉的机器人抓取系统 2 抓取检测.视觉伺服和动态抓取 2.1抓取检测 2.2 视觉伺服控制 2.3 动态抓取 3 本文实现的方法 3.1 网络 ...
- 物体抓取位姿估計算法綜述_基于深度学习的物体抓取位置估计
主讲题目:基于深度学习的物体抓取位置估计 主要内容:机械臂抓取技术简介与入门方法 主讲嘉宾:东北大学研究生,主要研究物体六自由度位姿估计,机械臂抓取. 知乎视频www.zhihu.com 往期干货资 ...
- 深度学习 autoencoder_笔记：李淼博士-基于模仿学习的机器人抓取与操控
说明:本文是Techbeat平台上李淼博士的讲座:"基于模仿学习的机器人抓取与操控"的总结笔记. 原视频: TechBeat - 让AI大有可为www.techbeat.net ...
- 迅雷7fetch.php,php基于采集类Snoopy实现抓取迅雷VIP账号的方法
本篇文章主要介绍php基于采集类Snoopy实现抓取迅雷VIP账号的方法,感兴趣的朋友参考下,希望对大家有所帮助. 具体如下: 看了@Jinn_Wei Python版本的抓取账号,于是顺手写了个PHP ...
最新文章
- java pdf转换为png图片（1）
- JDBC编程的事务处理
- java泛型的泛型_Java 泛型总结（一）：基本用法与类型擦除
- 微型计算机技术第三版第三章答案,第3章微机组装技术作业(答案)
- NULL的陷阱：Merge
- python中_python中的一些用法总结
- JQuery实现旅游导航菜单应用方便
- 如何免费的让网站启用HTTPS
- Javascript 键盘事件
- 加载字典文件，扫描网站潜在目录
- java猜数字1到100_Java实现简单猜数字小游戏
- 网路学员面试常见问题：
- 游戏编程笔记-起步（一）一个简单的游戏-贪吃蛇
- 高德地图实时定位显示图标和名字
- 图像中目标or内容疏密程度判断
- 下载卫星影像地图软件哪个好用？
- task6 .OR、IF以及whilemd
- java 线程机制_Java线程机制学习
- 鸡兔同笼问题----已知鸡和兔的总数量为n，总腿数为m，输入n和m，依次输出鸡的数目和兔的数目。如果无解，则输出 No answer。
- 上台阶问题——利用高中排列组合知识