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

要約

6-dof grasp検出は、オブジェクトを把握するための実行可能なロボットポーズを提供するため、インテリジェントな具体化されたシステムの進歩にとって非常に重要です。
RGBDまたはPointクラウドデータから3D幾何学的特徴の抽出を通じて6-DOFグラップを検出するための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、重要な計算需要のために実際のロボット展開中に課題に遭遇します。これは、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しているプラ​​ットフォームにとって特に問題がある可能性があります。
このホワイトペーパーでは、階層ヒートマップ表現を利用した6-DOFグラス検出のための効率的なエンドツーエンドグラス検出ネットワーク（E3GNET）を紹介します。
E3GNETは、散らかった実世界の環境で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からの想定では、モデル推論効率の以前の方法を上回り、エッジデバイスでのリアルタイム6-DOFの把握検出を達成します。
さらに、実際の実験は、当社の方法の有効性を検証し、成功率を把握する満足のいく94％のオブジェクトを達成します。

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