maximiliangilles/MetaGraspNet

🤖 MetaGraspNetV2: Bộ dữ liệu toàn diện cho robotic bin picking

MetaGraspNetV2 cung cấp mô hình, dữ liệu thực tế và mô phỏng, cùng mã nguồn hỗ trợ nghiên cứu grasp detection và reasoning quan hệ đối tượng.

MetaGraspNetV2 là kho mã nguồn chính thức của bài báo trên IEEE TASE, hỗ trợ nghiên cứu kỹ thuật tự động hóa trong lĩnh vực robot công nghiệp. Dự án cung cấp bộ dữ liệu lớn bao gồm cả dữ liệu thực tế (MGN-Real) và mô phỏng (MGN-Sim), kèm theo mã nguồn để trực quan hóa, huấn luyện và đánh giá các mô hình grasp detection.

✨ Điểm nổi bật

• MGN-Sim & MGN-Real: Hai bộ dữ liệu đồng bộ với nhãn grasp, pose, và amodal mask.
• Amodal Instance Segmentation: Hỗ trợ mặt nạ phân đoạn vùng ẩn của đối tượng trong dữ liệu thực tế.
• Grasp Sampling Code: Mã ví dụ lấy mẫu nhãn grasp paralleljaw và vacuum.
• Isaac Gym Simulation: Hỗ trợ mô phỏng lực và va chạm bằng Isaac Gym.
• 3D Visualization Tools: Trực quan hóa cảnh quan và điểm đạt bằng công cụ Python.
• HDF5 Scene Structure: Dữ liệu được lưu trữ dạng cấu trúc rõ ràng trong file .hdf5.
• No GPU Required: Cài đặt và xử lý dữ liệu chỉ cần CPU.
• Multi-Domain Labels: Bao gồm score_analytical, score_simulation, score_wrench cho từng grasp.

💡 Vì sao đáng chú ý

MetaGraspNetV2 khác biệt nhờ việc kết hợp đồng thời dữ liệu thực tế và mô phỏng với nhãn phong phú, giúp các nhà nghiên cứu huấn luyện mô hình vững mạnh trước khi triển khai trên robot thực. Bên cập hỗ trợ amodal segmentation và pose estimation giúp giải quyết bài toán nhận dạng đối tượng trong môi trường nhựa nhiễm, rất cần thiết trong môi trường bin picking.

#Robotics #ComputerVision #Dataset #BinPicking #TiniX