[论文解读] Improved GQ-CNN: Deep Learning Model for Planning Robust Grasps

Maciej Jaskowski, Jakub Świątkowski+8 more|arXiv (Cornell University)|Feb 16, 2018

Robot Manipulation and Learning参考文献 9被引用 6

一句话总结

本文提出了一种改进的 GQ-CNN 架构和增强的数据增强方法，用于实现鲁棒的 2.5D 抓取规划，在图像划分上达到 95.8% 的验证准确率，在物体划分上达到 88.0%，分别较原始 GQ-CNN 的 92.2% 和 85.9% 显著提升，同时通过空间感知融合和深度调整增强，显著改善了预测校准和泛化能力。

ABSTRACT

Recent developments in the field of robot grasping have shown great improvements in the grasp success rates when dealing with unknown objects. In this work we improve on one of the most promising approaches, the Grasp Quality Convolutional Neural Network (GQ-CNN) trained on the DexNet 2.0 dataset. We propose a new architecture for the GQ-CNN and describe practical improvements that increase the model validation accuracy from 92.2% to 95.8% and from 85.9% to 88.0% on respectively image-wise and object-wise training and validation splits.

研究动机与目标

• 解决基于深度学习的抓取规划模型中泛化能力差和概率校准不佳的挑战。
• 提升原始 GQ-CNN 在未见物体和具有挑战性的测试划分（姿态划分和物体划分）上的性能。
• 通过重新设计网络架构以保留空间信息并改善特征学习，增强模型鲁棒性。
• 优化数据增强策略，以提升泛化能力，并确保图像变换过程中的标签一致性。
• 通过改善预测抓取成功概率的校准性，确保可靠的抓取规划。

提出的方法

• 用卷积层替代原始模型中用于融合图像和抓取深度特征的全连接层，以保留空间结构，并在抓取高度周围实现空间注意力。
• 在特征融合后引入两个额外的卷积层，以增强特征表示和空间聚焦能力。
• 在图像塔中增加滤波器数量，并增加一个额外的最大池化层，以加深网络结构并改善层次化特征学习。
• 在每个卷积层后用批量归一化（Batch Normalization）替代局部响应归一化（LRN），以稳定训练并加快收敛。
• 提出一种改进的乘法数据增强方法，通过相同的随机因子同时缩放像素值和抓取深度 $ z $，以确保标签一致性。
• 应用全面的数据增强流程，包括对称化、乘法增强（伽马分布）、高斯过程噪声和归一化，以提升模型鲁棒性和泛化能力。

实验结果

研究问题

• RQ1 经过空间感知融合重新设计的 GQ-CNN 架构是否能在合成数据上提升抓取成功预测的准确率？
• RQ2 经过深度调整的乘法数据增强是否能提升模型在不同测试划分（图像、姿态、物体）上的泛化能力？
• RQ3 数据增强在多大程度上影响了 GQ-CNN 预测抓取成功概率的校准性？
• RQ4 改进的校准性和泛化能力是否能在真实世界部署中带来更好的抓取规划性能？

主要发现

• 所提出的 GQ-CNN 架构在图像划分上的验证准确率达到 95.8%，在物体划分上达到 88.0%，分别高于原始模型的 92.2% 和 85.9%。
• 引入数据增强，尤其是经过深度调整的乘法增强，显著提升了泛化能力，使姿态划分上的准确率从 88.2% 提升至 89.7%。
• 未使用数据增强训练的模型表现出较差的概率校准性，其预测显著高估了成功概率。
• 经过深度调整的数据增强使预测结果得到良好校准，校准曲线显示预测概率与实际成功率高度一致。
• 架构改进与增强数据增强的结合有效减少了过拟合，并提升了在未见物体和姿态配置下的鲁棒性。
• 最终模型在仅使用基础归一化和对称化的设置下，图像划分上的验证准确率达到 96.78%；在使用全部增强方法时达到 95.75%，表明准确率与泛化能力之间存在权衡。