标题：基于物体姿态迁移学习的机器人无序抓取方法
作者：段彦卉 钱堃 马旭东
作者单位：东南大学自动化学院，江苏 南京 210096
关键字：工业机器人；机器人无序抓取；物体姿态估计；姿态迁移学习；CycleGAN
摘要：采用智能机器人完成无序抓取任务（Bin-picking）已成为工业自动化的上下料场景的新型解决方案，而从散乱零件中识别目标物体并完成姿态估计是解决此类问题的关键。为解决高度自动化的工业上下料场景中的机器人无序抓取任务，借助基于物体渲染的样本合成方法，提出用于姿态估计样本的改进CycleGAN迁移模型，增加了基于物体掩码的内容一致性损失，实现了无需真实域标注和无配对样本下的姿态估计样本的跨域迁移，并提出了基于姿态迁移学习的机器人无序抓取方法，进行了无需人工标注的物体6D姿态估计，实现了高度自动化的模型训练流程和简单易用的模型部署流程。同时，该文方法经实际场景下的抓取实验证明其切实有效。