标题：Robotic pick-and-place of novel objects in clutter with multi-affordance grasping and cross-domain image matching
作者：Shuran Song
链接：https://journals.sagepub.com/doi/pdf/10.1177/0278364919868017
0.摘要
本文介绍了一个机器人拾取和放置系统，能够抓取和识别已知和新物体在混乱的环境。该系统的关键新特性是，它可以处理范围广泛的对象类别，而不需要针对新对象的任何特定任务的训练数据。为了实现这一点，它首先使用了一个与物体无关的抓取框架来映射从视觉观察到的动作:推断四种不同抓取原始动作的可见性的密集像素级概率图。然后，它执行具有最高可见性的动作，并通过一个跨域图像分类框架识别选定的对象，该框架将观察到的图像与产品图像相匹配。由于产品图像可以很容易地用于各种对象(例如，从网络上)，系统可以开箱即用地用于新对象，而不需要任何额外的数据收集或再训练。详尽的实验结果表明，我们的多可见性抓取算法对杂波中各种各样的目标都有很高的成功率，并且我们的识别算法对已知和新的目标都有很高的准确率。该方法是麻省理工学院普林斯顿团队系统的一部分，该系统在2017年亚马逊机器人挑战赛中获得了装箱任务的第一名。所有的代码、数据集和预训练模型都可以在http://arc.cs.princeton.edu上找到