基于热图引导的杂乱场景中高效6自由度抓取检测

在杂乱环境中快速而稳健地抓取物体是机器人技术的关键组成部分。目前大多数研究依赖于整个观测点云来生成六自由度（6-DoF）抓取，忽略了从全局语义中提取的引导信息，从而限制了高质量抓取生成和实时性能。在这项工作中，我们展示了广泛使用的热图在六自由度抓取生成效率方面被低估了。因此，我们提出了一种有效的局部抓取生成器，并结合抓取热图作为引导，该生成器以全局到局部、语义到点的方式进行推理。具体而言，高斯编码和基于网格的策略被用于预测抓取热图，作为引导将局部点聚集成可抓取区域并提供全局语义信息。此外，设计了一种新颖的非均匀锚点采样机制，以提高抓取精度和多样性。得益于图像空间中的高效编码，并专注于局部可抓取区域中的点，我们的框架能够在实时条件下执行高质量的抓取检测，并取得最先进的结果。此外，实际机器人实验验证了我们方法的有效性，成功率为94%，杂乱环境完成率为100%。我们的代码可在 https://github.com/THU-VCLab/HGGD 获取。