核心概念
本文提出了一種結合視覺和觸覺重建的閉環管道,以獲得完整和準確的物體形狀,用於機器人操作。
摘要
本文提出了一種名為VISHAC的方法,用於結合視覺和觸覺信息來完成物體形狀重建。該方法包括以下步驟:
- 從初始視角使用隱式表面深度神經網絡重建物體形狀。
- 選擇最高不確定性的位置進行觸覺探索,觸摸物體,並獲取新的觸覺和視覺信息。
- 重新估計物體位置,並重複上述步驟。
作者對原有方法(Act-VH)進行了以下改進:
- 使用新的理論依據的方法來確定最高不確定性的點。
- 增加每次觸覺探索的收益,不僅添加接觸點到點雲,還將機器人移動建立的空間納入。
- 直接使用閉合的雙指夾爪進行探索,更加緊湊。
- 在每次機器人動作後重新估計物體位置,允許物體移動。
- 支持同時處理多個物體。
實驗結果表明,VISHAC在模擬和真實環境中都優於基準方法,在抓取實驗中平均成功率從63.3%提高到82.7%。
统计
初始抓取成功率為63.3%
單次觸摸後抓取成功率提高到70.4%
5次觸摸後抓取成功率達到82.7%
10次觸摸後抓取成功率達到最高的85.2%
引用
"本文提出了一種結合視覺和觸覺重建的閉環管道,以獲得完整和準確的物體形狀,用於機器人操作。"
"作者對原有方法(Act-VH)進行了以下改進:使用新的理論依據的方法來確定最高不確定性的點,增加每次觸覺探索的收益,直接使用閉合的雙指夾爪進行探索,在每次機器人動作後重新估計物體位置,支持同時處理多個物體。"