AffordanceGrasp-R1：利用基于推理的感知分割与强化学习的机器人抓取
机器人学
2026-02-04 v1 计算机视觉与模式识别
摘要
我们提出 AffordanceGrasp-R1，一种面向机器人抓取的推理驱动感知分割框架，结合链式思维（chain-of-thought, CoT）冷启动策略与强化学习，以增强推理与空间定位能力。此外，我们重新设计抓取流程，使其更具情境感知能力，通过从全局场景点云生成抓取候选，然后利用指令条件化感知掩码进行筛选。大量实验表明，AffordanceGrasp-R1 在基准数据集上 consistently 优于当前最先进（SOTA）方法，实际机器人抓取评估进一步验证了其在复杂语言条件化操作情境下的鲁棒性与泛化能力。
引用
@article{arxiv.2602.03547,
title = {AffordanceGrasp-R1:Leveraging Reasoning-Based Affordance Segmentation with Reinforcement Learning for Robotic Grasping},
author = {Dingyi Zhou and Mu He and Zhuowei Fang and Xiangtong Yao and Yinlong Liu and Alois Knoll and Hu Cao},
journal= {arXiv preprint arXiv:2602.03547},
year = {2026}
}
备注
Preprint version