Rethinking 6-Dof Grasp Detection: A Flexible Framework for High-Quality Grasping

📄 arXiv: 2403.15054v2 📥 PDF

作者: Pengwei Xie, Siang Chen, Wei Tang, Dingchang Hu, Wenming Yang, Guijin Wang

分类: cs.RO

发布日期: 2024-03-22 (更新: 2024-10-06)

备注: 8 pages, 8 figures

💡 一句话要点

提出FlexLoG框架以解决6-Dof抓取检测问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 6-Dof抓取 机器人抓取 灵活引导 局部抓取模型 抓取检测 GraspNet-1Billion 目标导向抓取

📋 核心要点

  1. 现有的6-Dof抓取方法多集中于场景级信息提取，缺乏对目标导向抓取的考虑，导致适用性不足。
  2. 本文提出的FlexLoG框架从抓取中心的视角出发，结合灵活引导模块和局部抓取模型，能够同时处理多种抓取任务。
  3. 实验结果显示，FlexLoG在GraspNet-1Billion数据集上取得了显著提升，并在真实世界测试中表现出色，成功率高达95%。

📝 摘要（中文）

机器人抓取是复杂任务的基本技能，对智能化至关重要。针对一般的6-Dof抓取，现有方法多直接提取场景级的语义或几何信息，鲜有考虑不同下游应用的适用性。为此，本文从抓取中心的视角重新思考6-Dof抓取检测，提出了一个灵活的抓取框架FlexLoG，能够处理场景级和目标导向的抓取。该框架由灵活引导模块和局部抓取模型组成，灵活引导模块兼容全局和局部引导，能够在各种任务中生成高质量的抓取。局部抓取模型则专注于物体无关的区域点，局部且精准地预测抓取。实验结果表明，该框架在GraspNet-1Billion数据集的未见分割上实现了超过18%和23%的提升，并且在三种不同的真实场景下的机器人测试中达到了95%的成功率。

🔬 方法详解

问题定义：本文旨在解决现有6-Dof抓取检测方法在适用性和灵活性方面的不足，尤其是对目标导向抓取的支持不足。

核心思路：提出FlexLoG框架，通过抓取中心的视角，结合灵活引导模块和局部抓取模型，增强抓取的质量和适用性。

技术框架：FlexLoG框架由两个主要模块组成：灵活引导模块和局部抓取模型。灵活引导模块支持全局和局部引导，局部抓取模型则专注于物体无关的区域点进行抓取预测。

关键创新：FlexLoG的创新在于其灵活引导模块的设计，使其能够适应多种抓取任务，提升了抓取的质量和准确性，与传统方法相比具有更高的适应性。

关键设计：在设计上，灵活引导模块使用了抓取热图和视觉定位技术，局部抓取模型则采用了区域点的无关性预测，确保了抓取的精确性和高效性。

📊 实验亮点

FlexLoG框架在GraspNet-1Billion数据集的未见分割上实现了超过18%和23%的性能提升，并在三种不同的真实场景下的机器人测试中达到了95%的成功率，显示出其卓越的抓取能力和适用性。

🎯 应用场景

该研究具有广泛的应用潜力，尤其在工业自动化、服务机器人和智能家居等领域。通过提高抓取的灵活性和准确性，FlexLoG框架能够有效支持多种实际应用场景，推动机器人技术的进一步发展。

📄 摘要（原文）

Robotic grasping is a primitive skill for complex tasks and is fundamental to intelligence. For general 6-Dof grasping, most previous methods directly extract scene-level semantic or geometric information, while few of them consider the suitability for various downstream applications, such as target-oriented grasping. Addressing this issue, we rethink 6-Dof grasp detection from a grasp-centric view and propose a versatile grasp framework capable of handling both scene-level and target-oriented grasping. Our framework, FlexLoG, is composed of a Flexible Guidance Module and a Local Grasp Model. Specifically, the Flexible Guidance Module is compatible with both global (e.g., grasp heatmap) and local (e.g., visual grounding) guidance, enabling the generation of high-quality grasps across various tasks. The Local Grasp Model focuses on object-agnostic regional points and predicts grasps locally and intently. Experiment results reveal that our framework achieves over 18% and 23% improvement on unseen splits of the GraspNet-1Billion Dataset. Furthermore, real-world robotic tests in three distinct settings yield a 95% success rate.