human-to-robot handover记录
1、Human Grasp Classification for Reactive Human-to-Robot Handovers
NVIDIA在2020年發(fā)布在arxiv(2003.06000)上的論文。
將人抓取物體的手的姿勢分成七類,通過PointNet++來預測人手姿勢的類別,每一種類別對應一種抓取姿態(tài)。通過點云識別到人手姿態(tài)的類別后,通過一個 操作-狀態(tài) 對應表,進行抓取規(guī)劃。為了訓練手勢分類網(wǎng)絡,拍攝了151551張點云圖像。
整個流程概括如下:檢測手姿態(tài)->規(guī)劃抓取路徑->機械臂驅(qū)動末端執(zhí)行器運動到待抓取位姿->抓取->放置到桌子上。
測試結(jié)果如下圖:planning success rate表示上面流程中的“機械臂驅(qū)動末端執(zhí)行器運動到待抓取位姿”;Grasp Success Rate表示“抓取”;Action 運行時間表示從“規(guī)劃抓取路徑”到放到桌子上;Total運行時間除了包括Action的時間還包括重新規(guī)劃時間(人手可能運動);Trial時間表示整個流程的時間。
缺點:
只測試了機器人從人手中抓取方塊,形狀復雜的物體沒有實驗。當物體形狀改變時,流程中“規(guī)劃抓取路徑”幾乎不起作用。機器人從手中抓取真的需要檢測人手的姿態(tài)嗎?
2、未完待續(xù)
總結(jié)
以上是生活随笔為你收集整理的human-to-robot handover记录的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 官方最新版teamview15.5.3.
- 下一篇: XP自动关机方法