《表1 不同引导抓取方法性能比较》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《一种先验知识引导的基于二阶段渐进网络的自主抓取策略》
在实验过程中发现特征匹配阈值σ对机器人学习影响显著.当阈值σ过大时,在每次抓取计算时需要耗费过多时间,降低了机器人的学习效率;当阈值σ过小时,每次抓取尝试的成功率过小,导致大量的负样本出现,无法起到先验知识对抓取学习的引导作用.图7中展示了不同引导策略其累计抓取成功率随抓取次数的变化情况,表1展示了不同引导策略的性能比较.可以看出,基于先验知识的抓取方法,随着阈值σ增大,其平均抓取成功率上升,但是需要的计算时间也随之上升.当阈值过高(σ=1500)时,其抓取配置接近最优解,抓取成功率最高,但是需要的计算时间接近σ=1000时的7倍.而当阈值过低(σ=600)时,其抓取成功率小于50%,无法对抓取起到太好的引导作用.因此,综合考虑抓取成功率和计算速度,实验中选取一个经验值σ=1000作为较优抓取解的特征匹配阈值,此时机器人可以达到63%的抓取成功率,其抓取探测时间为14 ms,满足引导抓取学习的需求.此外,实验中将基于先验知识的抓取方法和2种传统方法——随机(random)抓取方法和基于混合高斯模型(mixture of Gaussian,MOG)的抓取方法——进行比较.可以看出,基于先验知识的引导方法其抓取成功率显著高于其他2种传统方法,可以对机器人的抓取学习进行引导,以提高机器人的学习速率.
图表编号 | XD00197290800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 张森彦、田国会、张营、刘小龙 |
绘制单位 | 山东大学控制科学与工程学院、山东大学控制科学与工程学院、山东大学控制科学与工程学院、山东大学控制科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |