elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Contact-GraspNet: Efficient 6-DoF Grasp Generation in Cluttered Scenes

Sundermeyer, Martin und Mousavian, Arsalan und Triebel, Rudolph und Fox, Dieter (2021) Contact-GraspNet: Efficient 6-DoF Grasp Generation in Cluttered Scenes. In: 2021 IEEE International Conference on Robotics and Automation, ICRA 2021. IEEE International Conference on Robotics and Automation, 2021-05-30 - 2021-06-05, Xian, China (remote). doi: 10.1109/ICRA48506.2021.9561877. ISBN 978-172819077-8. ISSN 1050-4729.

[img] PDF
15MB

Kurzfassung

Grasping unseen objects in unconstrained, cluttered environments is an essential skill for autonomous robotic manipulation.Despite recent progress in full 6-DoF grasp learning, existing approaches often consist of complex sequential pipelines that possess several potential failure points and run-times unsuitable for closed-loop grasping. Therefore, we propose an end-to-end network that efficiently generates a distribution of 6-DoF parallel-jaw grasps directly from a depth recording of a scene. Our novel grasp representation treats 3D points of the recorded point cloud as potential grasp contacts. By rooting the full 6-DoF grasp pose and width in the observed point cloud, we can reduce the dimensionality of our grasp representation to 4-DoF which greatly facilitates the learning process. Our class-agnostic approach is trained on 17 million simulated grasps and generalizes well to real world sensor data. In a robotic grasping study of unseen objects in structured clutter we achieve over 90% success rate, cutting the failure rate in half compared to a recent state-of-the-art method.

elib-URL des Eintrags:https://elib.dlr.de/145798/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Contact-GraspNet: Efficient 6-DoF Grasp Generation in Cluttered Scenes
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Sundermeyer, Martinmartin.sundermeyer (at) dlr.dehttps://orcid.org/0000-0003-0587-9643NICHT SPEZIFIZIERT
Mousavian, ArsalanNVIDIANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Triebel, Rudolphrudolph.triebel (at) dlr.dehttps://orcid.org/0000-0002-7975-036XNICHT SPEZIFIZIERT
Fox, DieterNVIDIANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:30 Mai 2021
Erschienen in:2021 IEEE International Conference on Robotics and Automation, ICRA 2021
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/ICRA48506.2021.9561877
ISSN:1050-4729
ISBN:978-172819077-8
Status:veröffentlicht
Stichwörter:6-DoF object grasping, unknown objects, point clouds, two-finger gripper, deep learning, sim2real
Veranstaltungstitel:IEEE International Conference on Robotics and Automation
Veranstaltungsort:Xian, China (remote)
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:30 Mai 2021
Veranstaltungsende:5 Juni 2021
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Robotik
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R RO - Robotik
DLR - Teilgebiet (Projekt, Vorhaben):R - Terrestrische Assistenz-Robotik
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013) > Perzeption und Kognition
Hinterlegt von: Sundermeyer, Martin
Hinterlegt am:10 Dez 2021 10:12
Letzte Änderung:07 Jun 2024 08:44

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.