標題：Robotic pick-and-place of novel objects in clutter with multi-affordance grasping and cross-domain image matching

作者：Shuran Song

連結：https://journals.sagepub.com/doi/pdf/10.1177/0278364919868017

0.摘要

本文介紹了一個機器人拾取和放置系統，能夠抓取和識別已知和新物體在混亂的環境。該系統的關鍵新特性是，它可以處理範圍廣泛的物件類別，而不需要針對新物件的任何特定任務的訓練資料。為了實現這一點，它首先使用了一個與物體無關的抓取框架來對映從視覺觀察到的動作:推斷四種不同抓取原始動作的可見性的密集畫素級概率圖。然後，它執行具有最高可見性的動作，並通過一個跨域影象分類框架識別選定的物件，該框架將觀察到的影象與產品影象相匹配。由於產品影象可以很容易地用於各種物件(例如，從網路上)，系統可以開箱即用地用於新物件，而不需要任何額外的資料收集或再訓練。詳盡的實驗結果表明，我們的多可見性抓取演算法對雜波中各種各樣的目標都有很高的成功率，並且我們的識別演算法對已知和新的目標都有很高的準確率。該方法是麻省理工學院普林斯頓團隊系統的一部分，該系統在2017年亞馬遜機器人挑戰賽中獲得了裝箱任務的第一名。所有的程式碼、資料集和預訓練模型都可以在http://arc.cs.princeton.edu上找到