加州大学伯克利分校教授肯·戈德堡(Ken Goldberg)周三宣布了Dex-Net 2.0的大规模数据集发布,该项目利用神经网络开发可靠的机器人抓取一系列刚性物体。
该数据集包含670万个点物体的点云,以及平行爪式的抓取姿势,以及对抓取成功举起并携带物体的可能性的鲁棒性估计。
Goldberg与AUTOLAB的Jeff Mahler合作,训练卷积神经网络来预测特定抓取给定对象的鲁棒性,使用“一个概率模型从[三维]对象网格数据集中生成合成点云、抓取和抓取鲁棒性标签,使用基于物理的抓取、图像渲染和相机噪声模型。”
用一个机器人进行的实验获得了93%的可靠抓取计划,戈德堡说,数据集“可以成为一个有用的资源,用于训练深度神经网络,在多个不同的机器人之间进行抓取计划。”
从IEEE频谱
查看全文
版权所有©2017公司的信息。,美国马里兰州贝塞斯达
没有发现记录