论文地址: http://arxiv.org/pdf/2011.04692v1.pdf
代码: 公众号回复:2011.04692
来源: 罗格斯大学
论文名称:DIPN: Deep Interaction Prediction Network with Application to Clutter Removal
原文作者:Baichuan Huang
内容提要
本文提出了一种深度交互预测网络(DIPN),用于学习预测机器人末端执行器(机器手等)推动多个物体(这些物体的大小、形状、质量和摩擦系数等物理特性可能是未知的)时产生的复杂交互关系。DIPN通过“想象”推动操作的效果,生成一个精确的预测结果的并合成图像。在模拟训练或与真实机器人系统一起训练时,DIPN被证明可以生成有效的样本数据。DIPN的高精度允许直接与抓取网络集成,产生一个机器人操作系统,能够执行具有挑战性的杂波去除任务,同时以完全自我监督的方式进行训练。因为DIPN的高精度,时期可以直接与抓取网络进行集成,构成一个机器人操作系统,能够执行具有挑战性的杂波去除任务,同时以自监督的方式进行训练。整个网络在杂波去除任务中,可以智能的进行推动和抓取操作,其效果显著优于当前SOTA的算法。值得注意的是,DIPN在真实机器人硬件系统上的性能甚至比仿真中还要好。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。