面向工业车间环境的基于全局通道 - 空间注意力机制的多任务抓取检测网络

《Sensors》：A Multi-Task Grasp Detection Network Based on Global Channel–Spatial Attention Mechanism for Industrial Workshop Environments

　　

摘要

为了提高机器人在车间等非结构化环境中目标抓取检测与分类的准确性和鲁棒性，本文提出了一种基于全局通道-空间注意力机制的多任务抓取检测算法。通过全局通道注意力模块，网络能够在减少冗余特征信息的同时提取更丰富的语义信息，从而提升整体性能。在 Cornell 数据集和自建立数据集上验证了所提算法的有效性。在 Cornell 数据集上，抓取预测准确率达到 99.5%；在自建立数据集上，抓取检测准确率达到 98.5%，物体分类准确率达到 99.5%。为进一步验证算法的有效性，在 AUBO-i3 机械臂上进行了抓取实验。结果显示，对未见过的日常物品和常见车间物体，平均抓取准确率达到 95%，比基线 GGCNN 网络高 8.75%。结果表明，所提算法能够有效实现机器人在非结构化环境中的抓取任务。