DexDiffuser：基于扩散模型的指尖抓取生成
机器人学
2024-11-07 v3 机器学习
摘要
我们介绍DexDiffuser，这是一种新颖的灵活抓取方法，用于生成部分物体点云上的抓取姿态。DexDiffuser包括基于条件扩散的抓取采样器DexSampler和灵活抓取评估器DexEvaluator。DexSampler通过对随机采样的抓取姿态进行迭代去噪，生成以物体点云为条件的高质量抓取姿态。我们还引入两种抓取细化策略：评估器引导的扩散(EGD)和评估器基准的采样细化(ESR)。实验结果表明，DexDiffuser在仿真和真实机器人实验中分别在平均抓取成功率上优于最先进的多指抓取生成方法FFHNet，分别提高了9.12%和19.44%。补充材料可在https://yulihn.github.io/DexDiffuser_page/获取。
引用
@article{arxiv.2402.02989,
title = {DexDiffuser: Generating Dexterous Grasps with Diffusion Models},
author = {Zehang Weng and Haofei Lu and Danica Kragic and Jens Lundell},
journal= {arXiv preprint arXiv:2402.02989},
year = {2024}
}
备注
7 pages