改良型変形畳み込みおよび空間特徴中心メカニズムに基づくロボティックグラスプ検出ネットワーク

本記事では、特定できない物体を正確に把握するための改良型変形畳み込みおよび空間特徴中心メカニズム（DCSFC-Grasp）に基づく効果的なグラスプ検出ネットワークを提案します。DCSFC-Graspは次の3つの重要な手順を含みます。まず、改良型変形畳み込みを導入して、マルチスケールの特徴情報抽出のために受容野を適応的に調整します。次に、軽量な多層パーセプトロン（MLP）アーキテクチャを通じてグローバルな遠距離依存関係を捉える効率的な空間特徴中心（SFC）層が探求されます。さらに、局所的な領域の特徴を集め、局所的なコーナー領域を保持するための学習可能な特徴中心（LFC）メカニズムが報告されます。最後に、特徴をアップサンプリングするために軽量なCARAFEオペレーターが開発されます。実験結果は、DCSFC-Graspが高い精度（コーネルとジャカードのグラスプデータセットでそれぞれ99.3%と96.1%）を達成し、既存の最先端のグラスプ検出モデルを上回ることを示しています。6自由度のRealman RM65ロボットアームでの実世界実験の結果は、DCSFC-Graspが未知のターゲットのグラスプに対して効果的かつ堅牢であることをさらに示しています。