《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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．