robot grasping | BriefGPT - AI 论文速递

关键词robot grasping

搜索结果 - 11

展示与把握：零样本基础模型支持的机器人抓取的小样本语义分割
我们提出了一个新颖的方法，结合了基础模型的出色广化能力和高性能的少样本分类器，作为一个评分函数来选择与支持集更接近的分割，从而克服了现有性能限制，并在 Graspnet-1B 和 Ocid-grasp 数据集以及真实世界的少样本抓取合成中取
PDF3 months ago
使用参数化操作基元学习外在灵巧性
通过学习层次化强化学习，我们能够利用环境改变目标物体的姿态，无需物体检测、姿态估计或手动设计控制器，从而成功地完成 98% 的实验任务。
PDF8 months ago
自监督对比学习方法用于抓握结果预测
本文探索对比度学习方法在无监督情况下预测抓取结果的效果：使用公开数据集，通过单一触觉传感器的数据，利用基于动态字典的动量更新技术的对比学习方法取得了 81.83% 的较高准确度，我们的结果揭示了对比度学习方法在机器人抓取中的潜力，强调了准确
PDFa year ago
人类演示的抓取任务
本篇研究报告介绍了一种学习从人类示范中获得机器人抓取技能的方法，该方法使用深度强化学习技术通过接触网奖励和领域随机化机制使机器人具有稳健的模仿抓取技能并能在具有不确定性的物体状态和形状中执行。
PDF2 years ago
体积抓取网络：杂乱环境中实时六自由度抓取检测
本研究介紹了一種使用體積把握網絡（VGN）的方法，該網絡通過使用由手腕安裝式深度相機收集的 3D 場景信息，從過去未見過的物體中預測並設計出能夠穩健地擷取物體的抓取方法。
PDF4 years ago
机器人环境下看不见物体实例分割
为了使机器人能够在非结构化环境中起作用，该研究提出了一种名为 UOIS-Net 的新颖方法，该方法利用合成 RGB 和深度数据分别用于识别表面上未见过的物体，并且可以训练机器人对它们进行抓取。通过提供大量的实验结果，本研究证明了该方法优于同
PDF4 years ago
基于相关融合的 6D 姿态估计
本文提出了一种新的方法，使用注意力机制有效地考虑 RGB 和深度之间的相关性，探索了用于确保 RGB 和深度之间有效信息流的内部和交叉相关模块的有效融合策略。实验结果表明，该方法在对象姿态估计方面的表现优于现有方法，并证明了该方法可以为真实
PDF5 years ago
双模态融合：分别利用 RGB 和深度进行未见目标实例分割
本篇论文提出了一种使用合成 RGB 和深度图像数据实现表面外目标实例分割的新方法，该方法能够学习非真实感 RGB-D 数据，并在机器人抓取任务中表现出色。
PDF5 years ago
GelSlim：高分辨率、紧凑、坚固和校准的触觉传感手指
设计了一种高分辨率的触觉传感手指，通过重新设计光学路径结合几何设计变量权衡手指厚度、相机的景深和触觉感应区域的大小，采用更均匀的输出和更坚固的材料，结合自校准过程，从而实现在抓取任务中自持续和抗折磨性能，并通过 4 种度量指标评估其耐久性。
PDF6 years ago
使用 Taubin Quadric Fitting 在三维点云中定位抓取机会
提出了一种基于模型表述和二次曲面适配的 3D 点云机器人夹持的新方法，有效快速地定位包络夹持能力，实现智能抓取。
PDF11 years ago
基于数据驱动的抓取合成 - 综述
本文综述了数据驱动的抓取合成、候选抓取采样和排序方法，同时从已知、熟悉和未知物体三个方面探讨了其应用，重点关注物体识别、相似匹配和特征提取等技术，分析了机器人抓取领域的研究进展和未来挑战。
PDF11 years ago