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

来源：机器人杂志2020年第5期北京时间：

作者：张森彦, 田国会, 张营, 刘小龙

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．

关键词：机器人抓取, 二阶段渐进网络, 先验知识, 自监督学习