DG16M：大规模双臂抓取数据集，包含力率最优化抓取
机器人学
2025-07-29 v3
摘要
双臂机器人抓取对于处理需要稳定和协调操纵的大型物体至关重要。尽管单臂抓取研究已广泛开展，但针对双臂场景的抓取数据集仍相对稀缺。我们引入了一个包含 1600 万个双臂抓取姿态的数据集，依据改进的力闭合约束进行评估。此外，我们开发了一个包含 300 个物体、约 3 万个抓取姿态的基准数据集，在物理仿真环境中进行评估，为双臂抓取合成方法提供更好的抓取质量评估。最后，我们通过训练一个双臂抓取分类网络来展示我们数据集的有效性，该网络相对于领先的方法性能提升了 15%，实现更高的抓取成功率和更好的跨物体泛化能力。
引用
@article{arxiv.2503.08358,
title = {DG16M: A Large-Scale Dataset for Dual-Arm Grasping with Force-Optimized Grasps},
author = {Md Faizal Karim and Mohammed Saad Hashmi and Shreya Bollimuntha and Mahesh Reddy Tapeti and Gaurav Singh and Nagamanikandan Govindan and K Madhava Krishna},
journal= {arXiv preprint arXiv:2503.08358},
year = {2025}
}