object grasping | BriefGPT - AI 论文速递

关键词object grasping

搜索结果 - 10

混乱场景中的高效热图引导六自由度抓取检测
本研究提出了一种快速稳健的在杂乱环境中抓取物体的方法，通过结合抓取热点图作为引导，以全球到本地、语义到点的方式进行推断，实现了高质量的实时抓取检测，并在实际机器人实验中展示了 94% 的成功率和 100% 的杂乱环境完成率。
PDF3 months ago
视觉引导的物体抓取
本文介绍一种视觉伺服方法，用于对象抓取和更一般地，将末端执行器与对象对齐的问题。首先，我们扩展了 Espiau 等人提出的方法 [1]，适用于没有安装在被控制机器人上的相机，并强调实时估计图像雅可比的重要性。其次，我们展示了如何使用非校准的
PDF7 months ago
学习抓握：从某处到任何地方
通过使用 RGB-D 数据流和视觉技术，本研究提出了一种自动生成并适应新物体姿态的抓取轨迹的方法，通过将轨迹相对于物体框架进行投影，实现了在多个不同机器人设置和物体上的抓取任务的高效执行。
PDF9 months ago
语言嵌入辐射场用于零 - shot 任务导向的抓取
通过语言嵌入辐射场以任务导向的方式抓取物体的 LERF-TOGO 方法，在不使用特定物体部分数据的情况下使用基于学习的抓取规划器，可以实现对物体的抓取分布进行查询和排名。
PDF10 months ago
MMRDN：物体堆叠场景中多视角操纵关系检测的一致性表示
本文提出了一种基于多视图数据的新型多视图 MRD 网络（MMRDN），该网络通过 2D 和 3D 多视图数据进行训练，结合了 KMVN 和 Von-Mises-Fisher 分布来预测对象间的关系，实验结果表明，该模型能够在多视图 MRD
PDFa year ago
UniDexGrasp++: 基于几何感知课程和迭代综合 - 专业学习改进灵巧抓取策略学习
提出了一种新颖的物体不可知的方法，用于从现实的点云观察和自我感知信息中学习通用的策略，实现桌面设置下的精细物体抓取，采用了几何意识课程学习和几何意识迭代通用 - 专家学习的方法，提高了泛化性能，成功率分别达到了 85.4% 和 78.2%。
PDFa year ago
GraspCaps: Capsule Networks 适用于抓取熟知物体
本文介绍了一种基于胶囊网络的 GraspCaps 架构，用于根据点云数据生成每个点的物体抓取向量，并使用模拟退火方法生成大型抓取数据集进行网络训练。作者在真实和模拟场景下进行了大量实验，评估了所提出方法的表现，包括在熟悉的对象识别准确性和抓
PDF2 years ago
RGB Matters: 在单目 RGBD 图像上学习 7 自由度抓取姿态
本文提出了 RGBD-Grasp 方法，通过卷积神经网络 Angle-View Net（AVN）预测抓手的 SO（3）方向和 FAS 模块计算抓手的张开宽度和与抓点的距离，解决机器人领域中的物体抓取问题，并在 GraspNet-1Billi
PDF3 years ago
适用于透明和反光物体抓取的多模态迁移学习
通过多模态感知的学习提高透明和有光泽物体的抓取性能，无需真实试验。
PDF4 years ago
CoSTAR 模块叠放数据集：在工作空间约束下学习
研究表明，对于机器人在不受限制的环境中堆叠实体块的任务中训练的神经网络抓取算法需要更宽松的任务和工作空间约束，因为手动设计的神经网络在此任务中难以推广，因此需要使用新的神经网络算法来预测 3D 姿势并完成这项任务。
PDF6 years ago