CEDex：基于类人接触表征的大规模跨本体灵巧抓取生成
机器人学
2025-09-30 v1 计算机视觉与模式识别
摘要
跨本体灵巧抓取合成是指针对具有不同形态的各类机械手自适应地生成并优化抓取。该能力对于在多样化环境中实现通用的机器人操作至关重要，且需要大量可靠且多样的抓取数据以进行有效的模型训练和稳健的泛化。然而，现有方法要么依赖缺乏类人运动学理解的基于物理的优化，要么需要仅限于拟人结构的广泛人工数据采集过程。在本文中，我们提出了 CEDex，一种大规模跨本体灵巧抓取合成新方法，通过将机器人运动学模型与生成的类人接触表征对齐，来桥接人类抓取运动学与机器人运动学。给定物体点云和任意机械手模型，CEDex 首先使用在人类接触数据上预训练的条件变分自编码器生成类人接触表征。随后通过拓扑合并执行运动学人类接触对齐，将多个人手部位整合为统一的机器人组件，接着进行基于符号距离场并带有物理感知约束的抓取优化。利用 CEDex，我们构建了迄今最大规模的跨本体抓取数据集，包含 50 万个物体，涵盖四种夹爪类型，共计 2000 万次抓取。大量实验表明，CEDex 优于现有最先进方法，且我们的数据集以高质量、多样化的抓取促进了跨本体抓取学习。
引用
@article{arxiv.2509.24661,
title = {CEDex: Cross-Embodiment Dexterous Grasp Generation at Scale from Human-like Contact Representations},
author = {Zhiyuan Wu and Rolandos Alexandros Potamias and Xuyang Zhang and Zhongqun Zhang and Jiankang Deng and Shan Luo},
journal= {arXiv preprint arXiv:2509.24661},
year = {2025}
}