DexGraspNet 2.0：在大规模合成杂乱场景中学习生成式灵巧抓取
机器人学
2024-10-31 v1 计算机视觉与模式识别
摘要
杂乱场景中的抓取对灵巧手而言仍然极具挑战性，主要由于数据稀缺。为了解决这一问题，我们提出了一个大规模合成基准，涵盖1319个物体、8270个场景和4.27亿次抓取。除了基准测试外，我们还提出了一种新颖的两阶段抓取方法，通过利用以局部几何为条件的扩散模型，高效地从数据中学习。我们提出的生成式方法在仿真实验中超越了所有基线。此外，借助测试时深度恢复，我们的方法展示了零样本仿真到现实的迁移能力，在杂乱场景中实现了90.7%的真实世界灵巧抓取成功率。
引用
@article{arxiv.2410.23004,
title = {DexGraspNet 2.0: Learning Generative Dexterous Grasping in Large-scale Synthetic Cluttered Scenes},
author = {Jialiang Zhang and Haoran Liu and Danshi Li and Xinqiang Yu and Haoran Geng and Yufei Ding and Jiayi Chen and He Wang},
journal= {arXiv preprint arXiv:2410.23004},
year = {2024}
}