Cornell|机器人抓取数据集|机器学习数据集

该数据集由康奈尔大学计算机科学系的Yun Jiang、Stephen Moseson和Ashutosh Saxena创建，旨在通过RGBD图像（彩色图像与深度图）估计机械臂抓取物体时的7维夹爪配置（3D位置、3D方向和夹爪开口宽度）。数据集包含194张用于训练的物体图像（如马克笔、马提尼杯、橡胶玩具等）和128张用于测试的图像，涵盖9个物体类别。每个图像中手动标注了1至3个正确的抓取矩形，并随机生成了5个错误矩形作为负样本。数据集的创建过程基于监督学习，通过SVM排序算法训练模型，以预测抓取矩形的排名。该数据集的应用领域主要集中在机器人抓取任务，尤其是针对未见过的新物体的抓取。通过学习抓取矩形的表示，该数据集能够帮助机器人在复杂环境中实现更高效、更准确的抓取动作。