PK PyTorchKR Papers
Papers with Code · CC BY-SA 4.0

Robotic Grasping

24 평가 기록 6 datasets

This task is composed of using Deep Learning to identify how best to grasp objects using robotic arms in different scenarios. This is a very complex task as it might involve dynamic environments and objects unknown to the network.

개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.

벤치마크

Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.

Dataset기록된 모델 예시MetricPaperCode
FlexLoG-CD
AP_similar: 65.21AP_novel: 30.04AP_seen: 72.81mAP: 56.02
논문 -
grasp_det_seg_cnn (rgb only, IW split)
5 fold cross validation: 98.2
논문 코드
DiverseNet-VoxNet
Error rate: 8.72
논문 코드
Efficient-Grasping
Accuracy (%): 95.6
논문 -
MLP + mesh-features
AUC: 84.74
논문 코드
RA-GraspNet (GraspNet with Rotation Anchor)
Acc: SSS: 99.2%, NSS: 98.8%
논문 코드

데이터셋

6개
GraspNet-1BillionCornell Grasp DatasetContactDBJacquard datasetContactPoseNBMOD

논문

라이브러리

Papers with Code 리더보드 row에 연결된 구현 저장소입니다.

github.com/graspnet/graspnet-baseline 1 논문
github.com/THU-VCLab/HGGD 1 논문
github.com/graspnet/anygrasp_sdk 1 논문
github.com/ivalab/grasp_multiObject 1 논문
github.com/ivalab/grasp_multiObject_multiGrasp 1 논문
github.com/mahaoxiang822/scale-balanced-grasp 1 논문
github.com/qingchenkanlu/new_grasp 1 논문
github.com/rhett-chen/graspness_implementation 1 논문

하위 태스크

GC Grasp Contact Prediction 2 데이터셋 · 5 rows