G-DexGrasp：通过部件感知先验检索与先验辅助生成实现可泛化的灵巧抓取合成
计算机视觉与模式识别
2025-07-22 v2 机器人学
摘要
近年来，灵巧抓取合成在产生合理且可行的抓取方面取得了显著进展，适用于许多任务目的。但泛化到未见过的物体类别和多样化的任务指令仍然具有挑战性。在本文中，我们提出G-DexGrasp，一种检索增强生成方法，能够为未见过的物体类别和基于语言的任务指令生成高质量的灵巧手部配置。关键在于检索可泛化的抓取先验，包括细粒度接触部分和相关抓取实例的affordance相关分布，用于后续的合成流程。具体来说，细粒度接触部分和affordance作为可泛化的指导，通过生成模型推断未见物体的合理抓取配置，而相关抓取分布作为正则化，确保在后续优化中合成抓取的合理性。我们的对比实验验证了关键设计在泛化方面的有效性，并展示了相对于现有方法的卓越性能。项目页面：https://g-dexgrasp.github.io/
引用
@article{arxiv.2503.19457,
title = {G-DexGrasp: Generalizable Dexterous Grasping Synthesis Via Part-Aware Prior Retrieval and Prior-Assisted Generation},
author = {Juntao Jian and Xiuping Liu and Zixuan Chen and Manyi Li and Jian Liu and Ruizhen Hu},
journal= {arXiv preprint arXiv:2503.19457},
year = {2025}
}
备注
Accepted by ICCV 2025