다섯 손가락 산업 로봇 손을 위한 깊은 학습 기반 잡기 감지 방법

불확실한 환경에서 로봇 잡기의 정확도를 향상시키기 위해, 본 연구에서는 다섯 손가락 산업 로봇 손 모델을 위한 깊은 학습 기반 객체 감지 방법을 제안합니다. 저자들은 먼저 21 자유도(DOF)를 가진 다섯 손가락 산업 로봇 손 모델을 설계합니다. 5DT 데이터 장갑의 센서 데이터를 바탕으로 산업 로봇 손은 실시간으로 제어될 수 있습니다. 그들은 객체 감지 네트워크의 더 빠른 영역 합성곱 신경망과 단일 샷 다중 상자 탐지기를 사용하여 잡을 대상 객체를 위치시킵니다. 로봇 잡기 감지를 최적화하기 위해, 직접 잡기 예측기와 다중 모달 잡기 예측기라는 두 가지 잡기 예측기 방법이 적용되어 최적의 잡을 수 있는 영역을 획득합니다. 본 연구에서 설계된 시뮬레이션에서 6DOF 로봇 팔과 협력하여, 다섯 손가락 산업 로봇 손은 객체를 정확하게 감지하고 안정적으로 잡을 수 있습니다.