• Jan Kjær Jørgensen
  • Rune Grønhøj
4. semester, Robotteknologi, Kandidat (Kandidatuddannelse)
Dette projekt omhandler objekt-overdragelse fra menneske til robot, med fokus på robust realtids grasping. Dette system er udviklet på Little Helper 7-platformen, som er en dobbeltarmet robot. Projektet undersøger forskellige moderne grasp generationsmetoder for at udnytte dem til realtids grasping i et scenario omhandlende objekt-overdragelse. En standard metode til at konvertere imellem forskellige grasp repræsentationer er præsenteret, og brugt til at visualisere de genererede grasps, ved brug af ROS. Forskellige kamera-synspunkter er undersøgt, ved hjælp af et brugerdefineret grasp datasæt, som indeholder 50 scener fra tre forskellige synspunkter. To pixel-baserede realtids grasp generationsmetoder (GG-CNN og GR-ConvNet) er undersøgt og justeret, med henblik på batch-størrelse, optimeringsalgoritme and datasæt. Hovedsageligt det nye Graspnet 1-billion datasæt er undersøgt, som en metode til, at opnå bedre ydeevne på de valgte modeller, end de allerede har, da dette datasæt er vidt forskelligt sammenlignet med tidligere brugte datasæt. Den foreslåede grasp generationsmetode viser lovende ydeevne under evaluering. Især brugen af Graspnet datasættet viser sig at forbedre invarians til forskellige synspunkter hvilket er væsentligt ved objekt-overdragelse. For at opnå objekt-overdragelse fra menneske til robot, vil det kræve integration med andre systemer. Den største mangel er detektion af hænder og integration med de forudgående systemer i Little Helper 7-platformen.
SprogEngelsk
Udgivelsesdato2 jun. 2021
Antal sider48
ID: 413525497