A Billion Ways to Grasp

机器人抓取通常被表述为一个学习问题。随着物理模拟速度和质量的提高，生成用于馈送学习算法的大规模抓取数据集变得越来越流行。一个经常被忽视的问题是如何生成构成这些数据集的抓取。在本文中，我们回顾、分类和比较了不同的抓取采样策略。我们的评估基于 SE(3) 的细粒度离散化，并使用基于物理的模拟来评估相应平行爪抓握的质量和稳健性。具体来说，我们认为 YCB 数据集中的 21 个对象中的每一个对象都有超过 10 亿次抓取。这个密集的数据集让我们可以评估现有的抽样方案 w.r.t。他们的偏见和效率。我们的实验表明，一些流行的采样方案包含明显的偏差，并没有涵盖所有可能的对象可以被抓住的方式。