资源描述：
《基于多模特征深度学习的机器人抓取判别方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第42卷第7期自动化学报Vol.42,No.72016年7月ACTAAUTOMATICASINICAJuly,2016基于多模特征深度学习的机器人抓取判别方法仲训杲1徐敏1仲训昱2彭侠夫2摘要针对智能机器人抓取判别问题,研究多模特征深度学习与融合方法.该方法将测试特征分布偏离训练特征视为一类噪化,引入带稀疏约束的降噪自动编码(Denoisingauto-encoding,DAE),实现网络权值学习;并以叠层融合策略,获取初始多模特征的深层抽象表达,两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性.实验采用深度摄像机与6
2、自由度工业机器人组建测试平台,对不同类别目标进行在线对比实验.结果表明,设计的多模特征深度学习依据人的抓取习惯,实现最优抓取判别,并且机器人成功实施抓取定位,研究方法对新目标具备良好的抓取判别能力.关键词机器人抓取判别,降噪自动编码,叠层深度学习,多模特征引用格式仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,42(7):1022¡1029DOI10.16383/j.aas.2016.c150661MultimodalFeaturesDeepLearningforRoboticP
3、otentialGraspRecognition1122ZHONGXun-GaoXUMinZHONGXun-YuPENGXia-FuAbstractInthispaper,amultimodalfeaturesdeeplearningandafusionapproachareproposedtoaddresstheproblemofroboticpotentialgrasprecognition.Inourthinking,thetestfeatureswhichdivergefromtrainingarepresented
4、asnoise-processing,thenthedenoisingauto-encoding(DAE)andsparseconstraintconditionsareintroducedtorealizethe0networksweightstraining.Furthermore,astackedDAEwithfusionmethodisadoptedtodealwiththemultimodalvision0datasetforitshigh-levelabstractexpression.Thesetwostrat
5、egiesaimatimprovingthenetworksrobustnessandtheprecisionofgrasprecognition.Asix-degree-of-freedomroboticmanipulatorwithastereocameracon¯gurationisusedtodemonstratetheroboticpotentialgrasprecognition.Experimentalresultsshowthattherobotcanoptimallylocalizatethetargetb
6、ysimulatinghumangrasps,andthattheproposedmethodisrobusttoavarietyofnewtargetgrasprecognition.KeywordsRobotgraspingrecognition,denoisingauto-encoding(DAE),stackeddeeplearning,multimodalfeaturesCitationZhongXun-Gao,XuMin,ZhongXun-Yu,PengXia-Fu.Multimodalfeaturesdeepl
7、earningforroboticpotentialgrasprecognition.ActaAutomaticaSinica,2016,42(7):1022¡1029机器人学习抓取是智能机器人研究的重要内容,监督特征学习中取得了显着效果,深度学习的优越涉及到智能学习、抓取位姿判别、机器人运动规划性在于:1)不需要介入人为的干预;2)该方法提高与控制等问题的研究[1¡2].针对抓取位姿判别问题,了网络的深层学习能力,是一种充满前景的学习算过去比较流行的研究思路是,通过介入人工手动设法[4¡5].计目标特征,用于机器人学习抓取
8、操作,然而这种学深度学习首次由Hinton等[6]提出,其基本观习方式使机器人不具备自助性与灵活性,而且学习点是采用神经网络模拟人类大脑特征学习过程.这过程非常耗时[3].近年出现的深度学习算法,在无种无监督特性学习方法借鉴大脑多层抽象表达机制,实现初始特征深层抽象表达,因此避免了特征收稿
