DexSinGrasp：用于密集环境中灵活对象 singulation 与抓取的统一策略学习
机器人学
2025-10-28 v3
摘要
在密集环境中抓取物体仍是机器人操作中的一个基本且具有挑战性的问题。虽然已有工作探索了推动与抓取之间的学习性协同关系以适用于两指抓手器，但鲜有工作利用灵活抓手的高自由度 (DoF) 来在密集环境中执行高效的 singulation 以促进抓取。本文我们引入 DexSinGrasp，一种用于灵活对象 singulation 与抓取的统一策略。DexSinGrasp 使灵活抓取的 singulation 能够显著提高在密集环境中的抓取效率和效果。我们引入了杂乱布置课程学习以提升在各种杂乱条件下的成功率和泛化能力，同时通过策略蒸馏实现可部署的基于视觉的抓取策略。为评估我们的方法，我们引入了一组具有不同物体布置和遮挡程度的密集抓取任务。实验结果表明，我们的方法在效率和抓取成功率上均优于基线方法，尤其在稠密杂乱环境中效果更为突出。代码、附录及视频均已在我们的网站 https://nus-lins-lab.github.io/dexsingweb/ 上提供。
关键词
引用
@article{arxiv.2504.04516,
title = {DexSinGrasp: Learning a Unified Policy for Dexterous Object Singulation and Grasping in Densely Cluttered Environments},
author = {Lixin Xu and Zixuan Liu and Zhewei Gui and Jingxiang Guo and Zeyu Jiang and Tongzhou Zhang and Zhixuan Xu and Chongkai Gao and Lin Shao},
journal= {arXiv preprint arXiv:2504.04516},
year = {2025}
}