1、Human Grasp Classification for Reactive Human-to-Robot Handovers
NVIDIA在2020年發布在arxiv(2003.06000)上的論文。
將人抓取物體的手的姿勢分成七類，通過PointNet++來預測人手姿勢的類別，每一種類別對應一種抓取姿態。通過點云識別到人手姿態的類別后，通過一個 操作-狀態 對應表，進行抓取規劃。為了訓練手勢分類網絡，拍攝了151551張點云圖像。
整個流程概括如下：檢測手姿態->規劃抓取路徑->機械臂驅動末端執行器運動到待抓取位姿->抓取->放置到桌子上。

測試結果如下圖：planning success rate表示上面流程中的“機械臂驅動末端執行器運動到待抓取位姿”;Grasp Success Rate表示“抓取”；Action 運行時間表示從“規劃抓取路徑”到放到桌子上；Total運行時間除了包括Action的時間還包括重新規劃時間（人手可能運動）；Trial時間表示整個流程的時間。

缺點：
只測試了機器人從人手中抓取方塊，形狀復雜的物體沒有實驗。當物體形狀改變時，流程中“規劃抓取路徑”幾乎不起作用。機器人從手中抓取真的需要檢測人手的姿態嗎？

2、未完待續

總結

以上是生活随笔為你收集整理的human-to-robot handover记录的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。