一种先验知识引导的基于二阶段渐进网络的自主抓取策略

作     者：张森彦 田国会 张营 刘小龙 ZHANG Senyan;TIAN Guohui;ZHANG Ying;LIU Xiaolong

作者机构：山东大学控制科学与工程学院山东济南250061 

出 版 物：《机器人》 (Robot)

年 卷 期：2020年第42卷第5期

页      面：513-524页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家重点研发计划(2018YFB1307101) 国家自然科学基金(U1813215) 

主　　题：机器人抓取 二阶段渐进网络 先验知识 自监督学习 

摘      要：针对未知不规则物体在堆叠场景下的抓取任务,提出一种基于二阶段渐进网络(two-stage progressive network,TSPN)的自主抓取方法.首先利用端对端策略获取全局可抓性分布,然后基于采样评估策略确定最优抓取配置.将以上2种策略融合,使得TSPN的结构更加精简,显著减少了需评估样本的数量,能够在保证泛化能力的同时提升抓取效率.为了加快抓取模型学习进程,引入一种先验知识引导的自监督学习策略,并利用220种不规则物体进行抓取学习.在仿真和真实环境下分别进行实验,结果表明该抓取模型适用于多物体、堆叠物体、未知不规则物体、物体位姿随机等多种抓取场景,其抓取准确率和探测速度较其他基准方法有明显提升.整个学习过程历时10天,结果表明使用先验知识引导的学习策略能显著加快学习进程.