【PaperReading每日打卡20220313】
[星数] 五颗星，收藏榜
[类型] 检测 + 杂乱食品抓取
[文章] Cluttered Food Grasping with Adaptive Fingers and Synthetic-Data Trained Object Detection
[机构] Preferred Networks, Inc
[简介] 基于自适应手指和基于合成数据训练目标检测的杂乱食品抓取。食品包装行业处理的食品种类繁多，形状和尺寸各异，即使是同一种食品。品类也是多种多样的，而且经常变化，这就使得自动拾取和摆放变得困难。一种流行的分拣方法是首先通过用实例分割方法来识别托盘中的每件食品。然而，用于训练这些方法的人工标注是不可靠且容易出错的，因为食物密集摆放在一起，边界不清楚，视觉上的相似性使得分离食物很困难。为解决这个问题，本文提出一种方法，纯粹在合成数据上进行训练，并使用sim2real方法成功地迁移到现实世界中，用高质量的真实食物的3D模型创建充满食物托盘的数据集，用于训练实例分割模型。另一个问题是，食物在抓取过程中很容易损坏。本文通过提出两种额外的方法来解决这个问题，一种是在发生碰撞时被动缩回的新型自适应手指机制，另一种是过滤在抓取过程中可能会对相邻食物造成损害的抓取方法。
