Grasp'D：面向多指手的基于可微接触密集抓取合成方法
机器人学
2022-08-29 v2
摘要
手-物交互的研究需要为高维多指模型生成可行的抓取姿态，通常依赖于解析抓取合成，这往往产生脆弱且不自然的结果。本文提出 Grasp'D，一种利用来自已知模型及视觉输入的可微接触仿真进行抓取合成的方法。我们采用基于梯度的方法作为基于采样的抓取合成的替代方案，后者在没有简化假设（如预指定接触位置和特征抓取）的情况下会失败。此类假设限制了抓取发现，尤其排除了高接触功率抓取。相比之下，我们基于仿真的方法允许稳定、高效、物理真实、高接触的抓取合成，即使对于具有高自由度的夹持器形态也是如此。我们识别并解决了使抓取仿真适用于基于梯度优化的挑战，如非光滑物体表面几何、接触稀疏性和崎岖的优化地形。Grasp'D 在人和机器人手模型上优于解析抓取合成，所得抓取实现超过 4 倍的接触密度，显著提高了抓取稳定性。视频和代码见 https://graspd-eccv22.github.io/。
引用
@article{arxiv.2208.12250,
title = {Grasp'D: Differentiable Contact-rich Grasp Synthesis for Multi-fingered Hands},
author = {Dylan Turpin and Liquan Wang and Eric Heiden and Yun-Chun Chen and Miles Macklin and Stavros Tsogkas and Sven Dickinson and Animesh Garg},
journal= {arXiv preprint arXiv:2208.12250},
year = {2022}
}