Um método de apreensão com garra macia pneumática baseado em upsampling de nuvem de pontos 3D

A apreensão precisa de objetos do dia a dia é crucial para o desenvolvimento de robôs inteligentes de serviço doméstico. No entanto, os métodos existentes de apreensão com garra mecânica apresentam uma baixa taxa de sucesso na apreensão e uma má adaptabilidade para objetos do dia a dia, dificultando o atendimento às exigências dos robôs de serviço doméstico inteligentes. Para abordar essa questão, diferentemente da identificação de objetos usando informações visuais convencionais ou outras informações de sensores, este artigo propõe um novo método de apreensão com garra macia baseado em upsampling de nuvem de pontos 3D para apreender efetivamente objetos do dia a dia. Primeiro, o PU-GCN (Upsampling de Nuvem de Pontos usando Redes Convolucionais de Grafos) é melhorado pela integração do módulo de extração de características paralelas em múltiplas escalas modificado e um módulo de autoatenção. Isso torna a forma e o contorno do objeto mais realistas para melhorar a precisão da apreensão do objeto. Em seguida, ao combinar as informações de nuvem de pontos 3D upsampladas, é projetada uma estratégia de apreensão cruzada baseada em restrições de razão de aspecto do objeto. Isso melhora significativamente a capacidade adaptativa da garra macia. Resultados experimentais mostram que o método de apreensão proposto supera outras técnicas de apreensão em termos de adaptabilidade, possibilitando a apreensão precisa de vários objetos do dia a dia. O método de upsampling PU-GCN melhorado tem uma melhor capacidade de apreensão do que o PU-GCN original, e sua taxa de sucesso na apreensão foi aprimorada de 92,7% para 95,3%. A taxa de sucesso na apreensão e a taxa de conclusão da apreensão da estratégia de apreensão cruzada proposta são 10,7% e 4% mais altas do que a da estratégia de apreensão aleatória, respectivamente. Esta nova abordagem oferece aos robôs de serviço inteligentes uma solução promissora para apreender efetivamente objetos do dia a dia.