인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Accurate grasp pose prediction is critical for reliable robotic manipulation, particularly in heterogeneous, low-volume manufacturing environments. While GraspNet enables scene-level grasp prediction based on geometry, it lacks object-centered grasp pose refinement framework that integrates 6D pose estimation, GraspNet-Baseline, and a lightweight grasp pose refinement module. The target object’s 6D pose is estimated, and its CAD model is aligned to the scene, allowing the generation of grasp candidates, even in occluded or out-of-view regions. These grasp candidates, originally generated by GraspNet in the scene frame, are transformed into the object frame and re-score using our refinement module. This module is trained, to approximate a rule-based, object-centric grasp scoring function that accounts for alignment, distance to the object’s center, and approach direction. The module is implemented as a lightweight multilayer perceptron(MLP) allowing fast, generalized refinement without retraining GraspNet. Our framework bridges scene-level grasp generation with object-level grasp reasoning, enhancing grasp stability in occluded and complex environments.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094407284
