Efficient End-to-End 6-Dof Grasp Detection Framework for Edge Devices with Hierarchical Heatmaps and Feature Propagation

要約

6-DoF 把握検出は、物体を把握するための実現可能なロボットのポーズを提供するため、インテリジェントな組み込みシステムの進歩にとって非常に重要です。
RGBD または点群データから 3D 幾何学的特徴を抽出することで 6-DoF 把握を検出するさまざまな方法が提案されています。
ただし、これらのアプローチのほとんどは、実際のロボットの導入時に大量の計算要求があるため課題に直面し、モバイル ロボット プラットフォーム、特にエッジ コンピューティング デバイスに依存するプラットフォームでは特に問題となる可能性があります。
この論文では、階層型ヒートマップ表現を利用した 6-DoF 把握検出のための効率的なエンドツーエンド把握検出ネットワーク (E3GNet) を紹介します。
E3GNet は、雑然とした現実世界の環境において、高品質で多様な把握を効果的に識別します。
エンドツーエンドの方法論と効率的なネットワーク設計の利点を活用した当社のアプローチは、モデル推論効率において以前の方法を上回り、エッジ デバイス上でリアルタイムの 6-Dof 把握検出を実現します。
さらに、実世界の実験により私たちの方法の有効性が検証され、満足のいく94%の物体把握成功率を達成しました。

要約(オリジナル)

6-DoF grasp detection is critically important for the advancement of intelligent embodied systems, as it provides feasible robot poses for object grasping. Various methods have been proposed to detect 6-DoF grasps through the extraction of 3D geometric features from RGBD or point cloud data. However, most of these approaches encounter challenges during real robot deployment due to their significant computational demands, which can be particularly problematic for mobile robot platforms, especially those reliant on edge computing devices. This paper presents an Efficient End-to-End Grasp Detection Network (E3GNet) for 6-DoF grasp detection utilizing hierarchical heatmap representations. E3GNet effectively identifies high-quality and diverse grasps in cluttered real-world environments. Benefiting from our end-to-end methodology and efficient network design, our approach surpasses previous methods in model inference efficiency and achieves real-time 6-Dof grasp detection on edge devices. Furthermore, real-world experiments validate the effectiveness of our method, achieving a satisfactory 94% object grasping success rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google