DHAGrasp：基于文本指令合成具备可及性感知的双手抓取
机器人学
2025-09-29 v1
摘要
学习生成尊重物体语义的双手抓取对于稳健的手-物交互至关重要，但由于数据集稀缺，该领域仍 largely 未被充分探索。现有的抓取数据集主要关注单手交互，且仅包含有限的语义部件标注。为应对这些挑战，我们引入了一个流水线SymOpt，通过利用现有的单手握取数据集并利用物体和手的对称性来构建大规模双手抓取数据集。在此基础上，我们提出了一个文本引导的双手抓取生成器DHAGrasp，用于为未见物体合成具备可及性感知的双手抓取。我们的方法采用了一种新颖的双手可及性表示，并遵循两阶段设计，使其能够从少量分割训练物体中有效学习，同时扩展到更大规模的未分割数据池。大量实验表明，我们的方法产生了多样且语义一致的抓取，在抓取质量和未见物体的泛化方面均优于强基线。该项目页面位于https://quanzhou-li.github.io/DHAGrasp/。
引用
@article{arxiv.2509.22175,
title = {DHAGrasp: Synthesizing Affordance-Aware Dual-Hand Grasps with Text Instructions},
author = {Quanzhou Li and Zhonghua Wu and Jingbo Wang and Chen Change Loy and Bo Dai},
journal= {arXiv preprint arXiv:2509.22175},
year = {2025}
}