One Step Deep Learning Approach to Grasp Detection in Robotics

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F21%3A39918034" target="_blank" >RIV/00216275:25530/21:39918034 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-030-90321-3_2" target="_blank" >http://dx.doi.org/10.1007/978-3-030-90321-3_2</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-030-90321-3_2" target="_blank" >10.1007/978-3-030-90321-3_2</a>

Jazyk výsledku
angličtina
Název v původním jazyce
One Step Deep Learning Approach to Grasp Detection in Robotics
Popis výsledku v původním jazyce
Grasp point detection is a necessary ability to handle for industrial robots. In recent years, various deep learning-based techniques for robotic grasping have been introduced. To follow this trend, we introduce a convolutional neural network-based approach for model-free one step method for grasp point detection. This method provides all feasible grasp points suitable for parallel grippers, based on a single RGB image of the scene. A case study, which shows the outstanding accuracy of the presented approach as well as its acceptable response time, is presented at the end of this contribution.
Název v anglickém jazyce
One Step Deep Learning Approach to Grasp Detection in Robotics
Popis výsledku anglicky
Grasp point detection is a necessary ability to handle for industrial robots. In recent years, various deep learning-based techniques for robotic grasping have been introduced. To follow this trend, we introduce a convolutional neural network-based approach for model-free one step method for grasp point detection. This method provides all feasible grasp points suitable for parallel grippers, based on a single RGB image of the scene. A case study, which shows the outstanding accuracy of the presented approach as well as its acceptable response time, is presented at the end of this contribution.

Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Data Science and Intelligent Systems : proceedings of 5th Computational Methods in Systems and Software 2021, Vol. 2
ISBN
978-3-030-90320-6
ISSN
2367-3370
e-ISSN
2367-3389
Počet stran výsledku
10
Strana od-do
8-17
Název nakladatele
Springer Science and Business Media
Místo vydání
—
Místo konání akce
ONLINE
Datum konání akce
1. 10. 2021
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—

Podobné výsledky(10)