Bi-Adapt：基于语义对应实现新类 3D 物体的少样本双臂适应
机器人学
2026-02-11 v2
摘要
双臂操作对机器人而言既重要又具挑战性，需协调两个臂部的协同工作。然而，现有方法往往依赖昂贵的数据收集和训练，难以有效推广到未见物体的新类别。本文提出 Bi-Adapt 框架，通过语义对应实现双臂操作的高效推广。Bi-Adapt 利用视觉基础模型的强大能力，实现跨类别的 affordance 映射。通过在新类别上使用有限数据进行微调，Bi-Adapt 能以零样本方式对类别外物体实现显著推理。在仿真和真实环境中进行的大量实验表明，我们方法的有效性，并显示出其高效率，在不同基准任务上以有限数据实现高成功率。项目网址：https://biadapt-project.github.io/
引用
@article{arxiv.2602.08425,
title = {Bi-Adapt: Few-shot Bimanual Adaptation for Novel Categories of 3D Objects via Semantic Correspondence},
author = {Jinxian Zhou and Ruihai Wu and Yiwei Liu and Yiwen Hou and Xunzhe Zhou and Checheng Yu and Licheng Zhong and Lin Shao},
journal= {arXiv preprint arXiv:2602.08425},
year = {2026}
}