혼잡한 환경에서 효율적인 히트맵 안내 6자유도 그립 인식

혼잡 환경에서 빠르고 견고한 물체 잡기는 로보틱스의 중요한 구성 요소입니다. 현재 대부분의 연구는 6자유도(6-DoF) 그립 생성을 위해 전체 관찰된 포인트 클라우드를 사용하지만, 전역 의미론에서 추출할 수 있는 안내 정보를 무시하여 고품질 그립 생성과 실시간 성능에 제약을 주고 있습니다. 본 연구에서는 널리 사용되는 히트맵이 6-DoF 그립 생성 효율성 측면에서 저평가되고 있음을 보여줍니다. 따라서, 우리는 전역에서 국부적 의미론으로, 그리고 포인트로의 추론 방식을 취하는 효과적인 국부적 그립 생성기와 그립 히트맵을 결합하여 제안합니다.구체적으로, 가우시안 인코딩과 그리드 기반 전략을 적용하여 그립 히트맵을 예측하고, 이는 국부적 포인트들을 그릴 가능한 영역으로 집계하며 전역 의미론 정보를 제공하는 역할을 합니다. 또한, 새로운 비균일 앵커 샘플링 메커니즘이 설계되어 그립 정확도와 다양성을 개선하였습니다. 이미지 공간에서의 고효율 인코딩과 국부적 그릴 가능 영역 내 포인트에 초점을 맞춤으로써, 우리의 프레임워크는 실시간으로 고품질의 그립 검출을 수행하고 최신 기술 수준의 결과를 달성할 수 있습니다.또한, 실제 로봇 실험은 우리의 방법이 94%의 성공률과 100%의 혼잡 완료율로 효과적임을 입증하였습니다. 우리의 코드는 https://github.com/THU-VCLab/HGGD 에서 확인할 수 있습니다.