本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

機械臂常見，但你見過這么聰明的嗎？

從工作臺上一眼找到合適的螺母、穩(wěn)穩(wěn)拿住。

再送到目標螺桿上，整個動作一氣呵成：

即使是相似度極高的兩個部件，也能準確區(qū)分并“揪”出正確的那個：

要知道，平時我們自己做實驗、或是拼裝沒見過的機械零件時，面對各個相似的零件都可能拿錯，更何況機器人。

（想象一下拼裝樂高零件的痛苦）

但這只機械臂沒有使用過任何人工標注，就能從模擬器立刻遷移到真實世界，同時泛化到機器人沒見過的新物體上，準確率能達到87.8%。

這就是谷歌X最近開源的類別級機械臂CaTGrasp。

論文一作為華人博士Bowen Wen，現(xiàn)就讀于羅格斯大學計算機系，本科畢業(yè)于西安交通大學。

目前，這項研究已經(jīng)登上機器人領域頂會ICRA 2022。

讓機械臂自己總結(jié)抓取經(jīng)驗

這項研究的提出，主要是想要解決普通工業(yè)場景中，對不同機械零件進行分類的問題。

實際情況下，機械臂難免會遇到自己不認識的新零件，如果只依靠數(shù)據(jù)集、不會舉一反三可不太行。

為了不依賴數(shù)據(jù)集和人工標注，研究人員想到了在模擬器內(nèi)進行訓練的辦法。

通過在模擬器內(nèi)不斷訓練試錯，機械臂就能自己總結(jié)出一套經(jīng)驗，并將它歸結(jié)成熱力圖表征。

在這里，研究團隊提出了一種新的表示方法：Non-Uniform Normalized Object Coordinate Space (NUNOCS)。

統(tǒng)一的NUNOCS表征能夠讓同一類物體的信息整合到一起。

給定一個物體模型，這種方法能讓所有的點沿著每個維度都歸一化。

歸一化讓不同維度之間的特征在數(shù)值具有一定比較性，從而可以對不同物體分類。

最終NUNOCS能夠?qū)⒉煌矬w按照類別劃分，并能夠給出一個代表模板。

在這個過程中，它是把距離所有其他模型的倒角距離最小的物體，設定為模板。

（倒角距離：是一種對于圖像的距離變換，對于一個有特征點和非特征點的二值圖像，此距離變換就是求解每一個點到最近特征點的距離）

這些模板將成為之后整合熱力圖表征、存儲抓取姿態(tài)分部的密碼本。

給出點云輸入后，NUNOCS Net就能預測點云在NUNOCS空間中的位置，這一網(wǎng)絡基于pointnet設計。

（點云：逆向工程中通過測量儀器得到的產(chǎn)品外觀表面的點數(shù)據(jù)合集）

根據(jù)確定點云和預測到的點云，二者最終可以求解得到類別級的6D轉(zhuǎn)換和3D的維度變換，從而得到更為準確的密集點云對匹配。

比如下圖中，相同顏色表示相互匹配，NUNOCS方法優(yōu)于此前的NOCS方法。

在掌握了抓取秘籍后，還要保證每次抓取都能穩(wěn)定釋放“功力”。

因此，研究人員對每個抓取姿態(tài)進行50次隨機的微小擾動，并記下了成功的次數(shù)，得到連續(xù)的概率分布。

然后根據(jù)上一步整理好的不同模型模板，將抓取姿態(tài)也進行分類整合。

測試時，一旦遇到了沒接觸過的情況，就可以將之前歸結(jié)好的抓取姿態(tài)分布遷移到新穎的物體空間里，從而得到更為全面的抓取姿態(tài)采樣。

抓取姿態(tài)和模擬器中得到的概率分布，可以分別作為輸入和標簽，用來訓練神經(jīng)網(wǎng)絡。

最后，通過自監(jiān)督訓練學習，在進行過足夠多的抓取姿態(tài)模擬后，機械爪和物體的接觸經(jīng)驗累計就能得到如下這樣的熱力圖。

而且過程中所有模塊都能從合成數(shù)據(jù)集上訓練，之后能直接遷移到真實世界的場景中。

從實驗結(jié)果來看，模擬情況下這一方法的平均成功率有93.1%，抓取次數(shù)大概為600次。

實際情況下的成功率為87.8%。

團隊介紹

本項研究的一作為羅格斯大學計算機專業(yè)博士生Bowen Wen，目前正在GoogleX實習。

他師從Kostas Bekris教授，研究方向包括機器人感知，計算機視覺。

此前他還在Facebook Reality、Amazon Lab 126和商湯實習過。

本科畢業(yè)于西安交通大學，碩士畢業(yè)于俄亥俄州立大學。

目前該項目的所有模擬器環(huán)境、數(shù)據(jù)集生成、訓練和實驗均已開源。

GitHub地址：

??https://github.com/wenbowen123/catgrasp

論文地址：

??https://arxiv.org/abs/2109.09163