【机器手运动】开源 | DIPN：一种深度交互预测网络，学习预测机器人末端执行器（机器手等）推动多个物体时物体的运动关系

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。