双手抓取合成用于灵活机器人手

人类自然地使用双手技能来处理大型和重型物体。为了提升机器人的物体操控能力，生成有效的双手抓取姿态至关重要。然而，针对灵活手操作器的双手抓取合成仍受到较少关注。为填补这一空白，我们提出了用于合成双手抓取的 BimanGrasp 算法。BimanGrasp 算法通过优化考虑抓取稳定性和可行性的能量函数来生成抓取姿态。此外，对所合成的抓取姿态采用 Isaac Gym 物理仿真引擎进行验证。这些验证通过的抓取姿态构成了 BimanGrasp-Dataset，这是我们所知第一大规模合成双手灵活手抓取姿态数据集。该数据集包含超过 15 万个针对 900 个物体的已验证抓取姿态，促进了通过数据驱动方法进行双手抓取合成。最后，我们提出了基于 BimanGrasp-Dataset 训练的扩散模型 BimanGrasp-DDPM。该模型实现了 69.87% 的抓取合成成功率，并在计算速度上显著优于 BimanGrasp 算法。