仲训杲 徐敏 仲训昱 彭侠夫
基于多模特征深度学习的机器人抓取判别方法
仲训杲1徐敏1仲训昱2彭侠夫2
针对智能机器人抓取判别问题,研究多模特征深度学习与融合方法.该方法将测试特征分布偏离训练特征视为一类噪化,引入带稀疏约束的降噪自动编码(Denoising auto-encoding,DAE),实现网络权值学习;并以叠层融合策略,获取初始多模特征的深层抽象表达,两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性.实验采用深度摄像机与6自由度工业机器人组建测试平台,对不同类别目标进行在线对比实验.结果表明,设计的多模特征深度学习依据人的抓取习惯,实现最优抓取判别,并且机器人成功实施抓取定位,研究方法对新目标具备良好的抓取判别能力.
机器人抓取判别,降噪自动编码,叠层深度学习,多模特征
引用格式仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,42(7): 1022-1029
机器人学习抓取是智能机器人研究的重要内容,涉及到智能学习、抓取位姿判别、机器人运动规划与控制等问题的研究[1[3].近年出现的深度学习算法,在无监督特征学习中取得了显着效果,深度学习的优越性在于:1)不需要介入人为的干预;2)该方法提高了网络的深层学习能力,是一种充满前景的学习算法[4-5].
深度学习首次由Hinton等[6]提出,其基本观点是采用神经网络模拟人类大脑特征学习过程.这种无监督特性学习方法借鉴大……