1.解决的问题
Knowing how to grasp is generally more challenging than what to grasp for a robot.
从单视角点云规划抓取的挑战性在于模型需要对RGB-D感知的不精确和不完整进行补偿。
GPD方法在物体CAD模型未知的情况下直接从RGB-D传感信息中检测3DoF或6DoF抓取位姿，取得了很好的效果，而且在未知物体抓取上有很好的泛化性。与GPD抓取任意（any）物体不同的是，本文聚焦于物体操作任务中任务导向（task-specific, goal-oriented）的抓取。为了推理任务需求和满足特定任务约束，一个抓取规划器需要从物体功用属性中提取出抓取策略。
任务约束通常被归结为affordance检测的问题。传统的全局affordance检测需要先进行物体识别，然后再进行6DoF位姿估计，这些方法的局限性在于不能泛化到新物体。affordance也可以指物体的几何形状和表面，但是需要物体3D模型。相反，局部affordance检测通过手工设计的特征或CNN利用物体的patches或parts，CNN方法能端到端进行affordance检测并且能泛化到新物体。
定位和识别相关物体也很关键，同时进行物体检测和affordance检测，避免了affordance检测对正确检测物体的依赖性。采用多任务损失函数联合训练，可避免级联CNN计算效率低下。
论文受文献Affordancenet: an End-To-End Deep Learning Approach for Object Affordance Detection（ICRA2018）启发，不同之处是论文方法采用的是物体分割。
与end-to -end affordance检测的SOTA方法Knowledge Induced Deep Q-Network for Robot Push and Grasp Manipulation Skills Learning（2019 Autonomous Robots）相比，论文不同之处在于将affordance和抓取位姿结合，能保证力闭合和任务约束。
与 PointNetGPD 直接从点云中检测相比，论文方法先检测affordance，再将检测的部分与点云配准，避免了直接对点云3D分割，保证了更高的实时性；网络不依赖于标注的3D分割数据。
与 GPD 方法主要的不同在于)：1）论文聚焦于任务约束的抓取，检测物体affordance作为约束，GPD确定最佳抓取；2）GPD使用完整点云训练，论文使用单视角点云。
论文的主要贡献
- 使用Mask-RCNN进行affordance检测，和其他CNN方法相比提高了检测精度
- 改进了GPD，计算局部参考坐标系，提出对位置敏感的全卷积网络进行抓取分类
- 将以上两点结合，实现了单视角点云下受任务约束的抓取
2.相关工作
- Grasp pose detection (GPD)：3DoF 和 6DoF
- Task-specific grasping with affordance detection：任务导向的抓取需要考虑特定任务约束，如接触位置，接近方向等。介绍了一些基于特定任务的affordance检测工作…不写了
3.方法
part affordance labels: grasp, cut, scoop, contain, pound, support, wrap-grasp
与抓取相关的part affordance类型：grasp（handle-grasp） 和 warp grasp
方法概述
affordance检测
backbone为ResNet01，CNN 同时估计 <object, affordance>
为提升小区域检测能力采用特征金字塔
多任务损失 = 分类损失 + 边界框回归损失 + 掩膜损失
得到 grasp 和 warp grasp affordance后， f : I → C f:I\rightarrow C f:I→C 将像素映射回点云，利用KNN进行外点移除
利用单视角点云确定最佳抓取位姿
这部分主要是针对GPD的一些改进，细节比较多，有一个Weingarten变换还不是很懂，暂时放放，有空来填。