본 연구는 기존 6-자유도 그래스핑 검출 방식의 한계를 극복하고자 그래스핑 중심의 새로운 접근법을 제안한다. 제안하는 FlexLoG 프레임워크는 Flexible Guidance Module과 Local Grasp Model로 구성된다.
Flexible Guidance Module은 전역 및 지역 가이드 방식을 모두 활용할 수 있어, 장면 수준 및 대상 지향적 그래스핑을 모두 지원한다. Local Grasp Model은 지역 데이터 포인트에 초점을 맞추어 효율적으로 그래스핑을 예측한다.
실험 결과, FlexLoG는 GraspNet-1Billion 데이터셋에서 기존 최고 성능 대비 18% 이상 향상된 성능을 보였다. 또한 실제 로봇 환경에서 95%의 높은 성공률을 달성하였다. 이는 제안 방식의 우수한 일반화 성능과 실용성을 입증한다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Wei Tang,Sia... : arxiv.org 03-25-2024
https://arxiv.org/pdf/2403.15054.pdfDaha Derin Sorular