《表2 二阶段渐进网络与其他基准方法的抓取成功率比较》

  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

实验结果如表2所示．针对熟悉物品，表中展示了机器人在单物品、多物品以及堆叠物品情况下的抓取成功率．比较前2行数据可以发现，在引入E-Net后，相较于传统的特征分析方法，机器人的抓取性能有一定程度的提升．然而，通过比较后3行数据，可以发现在引入G-Net后，相比于传统的采样策略而言，机器人的抓取性能有了显著的提升．针对单物品的抓取，使用G-Net相较于使用MOG采样，机器人的抓取成功率提升了10.7%，而相较于随机采样提升了61.1%．这说明本文提出的TSPN抓取模型以及这种融合端对端与采样评估的机器人抓取策略能显著提升机器人的抓取效能．此外，本文提出的抓取策略实现了98.1%的任务完成率，并且在未知物品抓取任务上也明显优于其他几种基准抓取方法，进一步说明了这种将端对端与采样评估融合的抓取方法的适应能力高，抓取效能好．