将可穿戴机器人的可供性分割扩展至多物体图像
论文提出在上肢假肢视觉抓取流水线中加入激光笔作为物体消歧机制，并对识别可抓取部位的深度卷积网络进行重训练；同时用混合现实策略复用现有高质量分割掩码，程序化生成真实感图像以扩展场景覆盖。实验显示，该流水线在保持计算成本不变的前提下，目标消歧准确率较现有方案最高提升9%。
发布于 10-22 13:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Extending Affordance Segmentation for Wearable Robots to Multi-Object Images》查看原链
本文对现有基于视觉的便携式流水线提出改进，用于识别可抓取物体部位。 此类流水线可有效支持上肢假肢设备的自动抓取选择与预塑形，但存在多个物体的真实场景仍具挑战。 所提方法利用对传统硬件设置的轻微改动和自定义训练方法，扩展基于视觉流水线的适用性：在设置中引入激光笔作为物体消歧的有效机制，并据此对支持可抓取部位识别的深度卷积神经网络进行适当重训练。
混合现实策略允许复用现有高质量分割掩码，以程序化方式生成真实感图像，扩展最终设备支持的场景范围。 实验结果表明，与现有方案相比，所提流水线将目标消歧准确率提升最多9%，同时保持计算成本不变。