ContactDexNet：通过手-物体接触语义映射实现杂乱环境中的多指机器人手抓取
机器人学
2025-06-25 v3 人工智能
摘要
深度学习模型显著推进了多指手抓取的灵巧操作技术。然而，在杂乱环境中基于接触信息的抓取仍然很大程度上未被探索。为了解决这一差距，我们开发了一种通过接触语义图在杂乱环境中生成多指手抓取样本的方法。我们引入了一个接触语义条件变分自编码器网络（CoSe-CVAE），用于从物体点云创建全面的接触语义图。我们利用抓取检测方法从接触语义图估计手抓取姿态。最后，设计了一个统一的抓取评估模型PointNetGPD++来评估抓取质量和碰撞概率，显著提高了在杂乱场景中识别最优抓取的可靠性。我们的抓取生成方法取得了显著成功，在真实世界单物体环境中平均抓取成功率为81.0%，在杂乱场景中为75.3%，比最先进方法至少高出4.65%。我们还提出了多模态多指抓取数据集生成方法。我们的多指手抓取数据集在场景多样性和模态多样性方面优于以前的数据集。数据集、代码和补充材料可在https://sites.google.com/view/contact-dexnet找到。
引用
@article{arxiv.2404.08844,
title = {ContactDexNet: Multi-fingered Robotic Hand Grasping in Cluttered Environments through Hand-object Contact Semantic Mapping},
author = {Lei Zhang and Kaixin Bai and Guowen Huang and Zhenshan Bing and Zhaopeng Chen and Alois Knoll and Jianwei Zhang},
journal= {arXiv preprint arXiv:2404.08844},
year = {2025}
}
备注
8 pages