【PaperReading每日打卡20220313】
[星數] 五顆星，收藏榜
[類型] 檢測 + 雜亂食品抓取
[文章] Cluttered Food Grasping with Adaptive Fingers and Synthetic-Data Trained Object Detection
[機構] Preferred Networks, Inc
[簡介] 基于自适應手指和基于合成資料訓練目标檢測的雜亂食品抓取。食品包裝行業處理的食品種類繁多，形狀和尺寸各異，即使是同一種食品。品類也是多種多樣的，而且經常變化，這就使得自動拾取和擺放變得困難。一種流行的分揀方法是首先通過用執行個體分割方法來識别托盤中的每件食品。然而，用于訓練這些方法的人工标注是不可靠且容易出錯的，因為食物密集擺放在一起，邊界不清楚，視覺上的相似性使得分離食物很困難。為解決這個問題，本文提出一種方法，純粹在合成資料上進行訓練，并使用sim2real方法成功地遷移到現實世界中，用高品質的真實食物的3D模型建立充滿食物托盤的資料集，用于訓練執行個體分割模型。另一個問題是，食物在抓取過程中很容易損壞。本文通過提出兩種額外的方法來解決這個問題，一種是在發生碰撞時被動縮回的新型自适應手指機制，另一種是過濾在抓取過程中可能會對相鄰食物造成損害的抓取方法。
