[论文解读] Object-Agnostic Suction Grasp Affordance Detection in Dense Cluster Using Self-Supervised Learning.docx

Mingshuo Han, Wenhai Liu+5 more|arXiv (Cornell University)|Jun 7, 2019

Robot Manipulation and Learning参考文献 20被引用 4

一句话总结

本文提出了一种自监督的、与物体无关的吸盘抓取检测方法，用于密集杂乱环境，采用两个深度学习网络：快速区域估计网络（FRE-Net）用于物体定位，吸盘抓取点优势网络（SGPA-Net）用于抓取点预测。在仿真和真实世界环境中，系统在约1500次抓取（约5小时）后，对已知物体的准确率达到95%，对未见过的物体（几何形状相似）达到90%，展示了无需显式物体特定标注的鲁棒泛化能力。

ABSTRACT

In this paper we study grasp problem in dense cluster, a challenging task in warehouse logistics scenario. By introducing a two-step robust suction affordance detection method, we focus on using vacuum suction pad to clear up a box filled with seen and unseen objects. Two CNN based neural networks are proposed. A Fast Region Estimation Network (FRE-Net) predicts which region contains pickable objects, and a Suction Grasp Point Affordance network (SGPA-Net) determines which point in that region is pickable. So as to enable such two networks, we design a self-supervised learning pipeline to accumulate data, train and test the performance of our method. In both virtual and real environment, within 1500 picks (~5 hours), we reach a picking accuracy of 95% for known objects and 90% for unseen objects with similar geometry features.

研究动机与目标

• 解决在包含已知和未知物体的密集杂乱仓库环境中自动抓取物体的挑战。
• 开发一种与物体无关的抓取检测系统，使其能够泛化到具有相似几何特征的未见物体。
• 通过利用自监督学习流程进行数据收集和模型训练，减少对昂贵的人工标注抓取数据的依赖。
• 在时间和数据受限的条件下，实现实用且准确的吸盘抓取规划，以支持真实世界机器人操作任务。

提出的方法

• 提出一种两阶段深度学习框架：首先，FRE-Net识别点云中可能包含可抓取物体的区域。
• 其次，SGPA-Net利用学习到的优势图在检测到的区域内预测最合适的吸盘抓取点。
• 设计了一种自监督学习流程，通过模拟交互生成合成抓取数据，降低对真实世界标注的依赖。
• 该方法利用几何一致性和深度信息，提升在密集簇中的鲁棒性。
• 训练流程采用对比学习原理，对齐相似物体形状的特征，实现对未见物体的零样本泛化。
• 在配备吸盘夹具的机器人平台上，于仿真和真实世界环境中对系统进行了评估。

实验结果

研究问题

• RQ1 自监督学习流程能否在无需人工标注标签的情况下，有效生成密集杂乱环境中吸盘抓取检测的足够训练数据？
• RQ2 吸盘抓取检测模型在真实世界的密集簇中，对具有相似几何特征的未见物体，其泛化能力达到何种程度？
• RQ3 与端到端方法相比，两阶段网络架构（FRE-Net和SGPA-Net）在杂乱场景中如何提升抓取检测的准确率？
• RQ4 在真实世界部署约束条件下，无对象特异性抓取检测在准确率和样本效率方面的性能上限是什么？

主要发现

• 在真实世界部署约1500次抓取（约5小时）后，系统对已知物体的抓取准确率达到95%。
• 对于具有相似几何特征的未见物体，系统保持90%的抓取准确率，展示了强大的零样本泛化能力。
• 自监督学习流程成功生成了高质量的训练数据，使模型能够在无需人工标注抓取标签的情况下有效训练。
• 两阶段网络设计（FRE-Net + SGPA-Net）提升了在密集杂乱场景中的检测鲁棒性和精度。
• 只要未见物体与训练物体具有相似的几何特征，该方法就能在不同物体类别间实现有效泛化。