一种机器人小样本分拣方法技术

本发明专利技术涉及一种机器人小样本分拣方法，该方法包括：构建融合识别和抓取的端到端的机器人小样本分拣网络；根据元学习的方法，训练机器人小样本分拣网络使机器人适应不同的分拣任务。与现有技术相比，本发明专利技术少样本分拣元学习框架，赋予了机器人快速学习分拣训练集中没出现过的物体的能力，不仅是分拣目标物体，本发明专利技术还让机器人学会按照示范抓取时的抓取部位来抓取目标物体，同时，每次遇到新物体，只需给机器人一次分拣示范，机器人就会马上学会用合适的抓取姿势去抓取目标物体的目标部位，以此达到鲁棒和安全地分拣的目的。此达到鲁棒和安全地分拣的目的。此达到鲁棒和安全地分拣的目的。

【技术实现步骤摘要】
一种机器人小样本分拣方法


[0001]本专利技术涉及机器人分拣
，尤其是涉及一种机器人小样本分拣方法。

技术介绍

[0002]与抓取相比，机器人分拣是一项更具挑战性的任务，因为机器人需要识别和定位目标对象并预测目标对象的抓取姿势。典型的机器人分拣解决方案是采用语义分割来检测对象的位置和身份，紧接着一个抓取预测模块来预测抓取姿势。但是，这些方法虽然对于分拣对象都已知的场景非常有效，却无法处理不断遇到新对象的场景，因为收集大量数据并从头开始训练模型非常耗时耗力。为了解决分拣新物体的问题，有学者提出了一种先抓取后识别的方案，利用机器人乱序抓取的泛化性从杂乱中随机抓取一个物体，然后在另一个环境相机中拍摄物体的照片，并通过图像匹配的方法来识别它。但是，该方法在机器人只需从一堆物体中挑选出一个或几个物体时很不灵活。近年来，将识别和抓取相融合的端到端方法被认为是解决分拣新物体的有前景的方向。CCAN为学者提出的一种基于注意力的孪生网络，可以定位目标对象并预测夹爪的旋转姿态。但是，CCAN的抓取预测没有吸收乱序抓取工作优点，例如，没有预测物体的“骨架”作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人小样本分拣方法，其特征在于，该方法包括：构建融合识别和抓取的端到端的机器人小样本分拣网络；根据元学习的方法，训练机器人小样本分拣网络使机器人适应不同的分拣任务。2.根据权利要求1所述的一种机器人小样本分拣方法，其特征在于，所述的机器人小样本分拣网络包括：编码器：编码输入图片的元特征；快速适应网络头：基于元特征进行学习、适应新分拣任务。3.根据权利要求2所述的一种机器人小样本分拣方法，其特征在于，所述的编码器选取ResNet50的conv1～4。4.根据权利要求2所述的一种机器人小样本分拣方法，其特征在于，所述的快速适应网络头包括两层卷积层。5.根据权利要求2所述的一种机器人小样本分拣方法，其特征在于，小样本分拣网络的训练过程包括：内循环阶段：基于支持集图片进行一次反向传播微调快速适应网络头参数；外循环阶段：在微调快速适应网络头参数的基础上，基于查询集图片进行一个反向传播更新整个网络参数。6.根据权利要求5所述的一种机器人小样本分...

【专利技术属性】
技术研发人员：李伟，郭伟坤，胡梓烨，候梓越，魏秉晟，刘翼，毕一飞，
申请(专利权)人：复旦大学，
类型：发明
国别省市：