IROS 2024 | 借助地形抓取“不可抓取”的物体，清华AIR和北大出品

主要观点总结

这篇文章介绍了机器人在操作中使用两指夹持器抓取物体时面临的挑战，以及针对这些问题提出的PreAfford预抓取框架。该框架结合了点级稠密Affordance表示和接力训练方法，旨在提高机器人在复杂环境中的抓取成功率。

关键观点总结

关键观点1: 研究动机

机器人操作中常使用两指夹持器抓取物体，然而生活中大量物体缺乏明显抓取特征，不易被两指夹持器直接抓取。提出PreAfford预抓取框架来解决这个问题。

关键观点2: 方法

PreAfford框架包含预抓取模块和抓取模块，每个模块由三个专用神经网络组成：可供性网络、提案网络和评价网络。模型的推理和训练按照相反的方向进行。

关键观点3: 实验结果

PreAfford显著提高了抓取成功率，能自然适应于多种形态物体和复杂混合场景。在模拟和真实世界的实验中，PreAfford展示了其高适应性和实用性。

关键观点4: 结语与未来展望

本工作提出了PreAfford，一种新颖的基于可供性的两阶段预抓取框架，未来工作将致力于提高方法的鲁棒性和灵活性，以应对更复杂的形状和动态环境。