robotic grasping | BriefGPT

关键词robotic grasping

搜索结果 - 36

利用大规模视觉模型增强机器人抓取的简要调查
通过大规模视觉预训练探索提高机器人抓握性能的潜在益处，并对视觉预训练在机器人操纵中的关键挑战和未来研究方向进行了初步文献综述。
PDF17 days ago
Residual-NeRF: 学习透明物体操作的残差 NeRFs
通过提出一种名为 Residual-NeRF 的方法，能够改善不透明物体的深度感知和训练速度，该方法通过学习场景的背景 NeRF 并结合背景和残差 NeRFs 进行推断，提供了综合性和真实性实验证明 Residual-NeRF 能够改善透明
PDF2 months ago
仅进行一次扫描：一种用于 6 - 自由度机器人抓取新物体的动态场景重建流程
该研究论文介绍了一种动态场景重建的新型双阶段流程，通过绕过遮挡的限制，持续捕捉不断演化的场景几何形状，从而增强整体抓取规划过程，并使最先进的 6 自由度机器人抓取算法展示出明显的改进精度。
PDF3 months ago
点云下的抓取轨迹优化
我们介绍了一种基于机器人和任务空间的点云表示的机器人抓取的新型轨迹优化方法。使用点云表示，通过点匹配可以实现抓取的目标到达，而通过查询场景点的有符号距离场中的机器人点的有符号距离值可以有效地实现避碰。因此，我们提出了一个约束非线性优化问题来
PDF4 months ago
PhyGrasp: 基于物理信息的大型多模态模型的机器人抓取泛化
将物理常识推理融入机器人操作，通过 PhyGrasp 模型结合自然语言和 3D 点云输入，实现对对象的物理属性准确评估和最优抓取位姿决策。模型的语言理解能力使其能够解释人类指令，并生成符合人类偏好的抓取位姿。在长尾场景中，PhyGrasp
PDF4 months ago
合成数据用于多物体抓握中的快速注释和鲁棒分割
本研究提出了一种合成数据生成方法，结合小规模真实数据集，通过生成的合成场景数据和深度信息，训练出在物体识别、姿态估计和图像分割等方面表现优越的机器人抓取算法。
PDF5 months ago
基于强化学习的仿生反射控制增强人形机器人抓握，利用域随机化
通过使用增强学习，我们引入了一种创新的仿生反射控制方案，该方案可在模拟器中实现对人型机械手在处理变形物体时进行自主控制，这一发现强调了增强学习作为推动仿生反射控制发展的强大工具的潜力，预计这种基于自主增强学习的仿生反射控制技术将推动可靠高效
PDF7 months ago
自动生成抓取数据集的域随机化用于模拟到真实场景迁移
本研究探讨了如何利用自动生成的抓取方法来解决机器人在实际环境中获取对象的问题，并就域随机化、从仿真到实际的转移性等问题进行了分析和研究。
PDF9 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
DMFC-GraspNet：多指可微分机器人抓取在杂乱场景中的生成
本论文提出了一种可微分的多指抓取生成网络（DMFC-GraspNet），通过引入新的抓取表示和密集标签映射方法，使得多指机器人抓取更加灵活、密集，推动了机器人抓取领域的发展。
PDFa year ago
基于异步事件的全景分割的图混合神经网络
本文提出了一种名为 Graph Mixer Neural Network 的算法，采用协同上下文混合层来解决动态条件下物体分割遇到的挑战。本方法在事件图上应用，并通过四个最近邻层级并行地传播了时空相关性。实验表明该方法表现优于最先进的方法。
PDFa year ago
CVPRFast GraspNeXt: 适用于机器人抓取边缘计算机视觉任务的快速自注意神经网络架构
本篇论文提出了一种快速的自我关注神经网络结构 Fast GraspNeXt，专为嵌入式多任务学习中的机器人抓取的计算机视觉任务量身定制，在多个计算机视觉任务中达到最高的性能，同时只有 17.8M 参数，259 GFLOPs，比其他高效多任务
PDFa year ago
隐式表示先验与黎曼几何相遇：贝叶斯机器人抓取
使用隐式表示构建场景相关的导数并应用基于模拟的贝叶斯推断算法来确定手势成功的方法在模拟和物理基准测试中展示了较高的成功率和有前途的潜力。
PDFa year ago
DoUnseen：面向机器人抓取的零样本物体检测
本研究提出了一种零样本物体检测器，适用于开放集合，且不需预先知道物体类型，可以在抓取物体前几张图像后即可加入物体作为新的类别，并通过将未见物体分割网络级联零样本分类器的方式来打破分割管道的步骤。
PDFa year ago
深度强化学习在复杂环境下的机器人推和取
本文提出了一种新颖的机器人抓取系统，由气泡吸盘和机械手抓手组成。利用可供性地图提供像素级的气泡吸盘升力点候选物，并引入主动探索机制，设计了一种有效的度量来计算当前可供性地图的奖励，并使用深度 Q 网络（DQN）指导机器人手探索环境，实验结果
PDFa year ago
通过模拟与现实的迁移学习实现精准的无模型机器人抓取
提出了一种基于数据生成和模拟到真实世界迁移学习的机器人抓握框架，该框架通过减少模拟和实际之间的差距，解决了数据稀疏、传感器数据和接触模型不准确等问题，在单一物品、复杂形状物品和多物品的机器人抓握场景下分别获得了 90.91%、85.71%
PDFa year ago
基于零件可负担接地的 6 自由度精细抓取检测学习
本文提出了一种新的大型语言引导的形状抓取数据集（名为 Lang-SHAPE），用于学习 3D 部件的 affordance 和抓握能力，还设计了一种新颖的两阶段细粒度机器人抓握网络（名为 PIONEER）进行模型测试。结果表明，我们的方法在
PDFa year ago
3DSGrasp：适用于机器人抓取的三维形状完成
本文提出了一种名为 3DSGrasp 的新型抓取策略和一种基于 Transformer 编码器 - 解码器网络和 Offset-Attention 层的 PCD 补全网络，该网络不受对象姿态和点置换的影响，可在部分 PCD 的情况下实现可靠
PDF2 years ago
ECCV通过迭代自我训练进行机器人拾取业务的仿真到实际 6D 物体姿态估计
本文提出了一种迭代的自我训练框架，以促进成本效益的机器人抓取，该框架用于实现基于模拟的对象姿态估计，并不断改进以更好地预测真实数据，并在公开基准测试和作者新发布的数据集上取得了显著的提高。
PDF2 years ago
WWWTransCG：透明物体深度完成和抓取基线的大型实际数据集
本研究提供了一种基于深度学习网络的方法，针对普通深度传感器获取透明物体深度信息的难题，构建了一个大规模真实场景数据集，同时提出了一种深度完成网络用于输出精度更高的透明物体深度信息，并且该方法能够成功地应用于机器人对透明物体的抓取。
PDF2 years ago