Grasp2Grasp：基于薛定谔桥的视觉灵巧抓取转换
机器人学
2025-10-27 v2 计算机视觉与模式识别
机器学习
摘要
我们提出了一种基于视觉的灵巧抓取转换新方法，旨在跨具有不同形态的机械手传递抓取意图。给定源机械手抓取物体的视觉观察，我们的目标是在不需要成对演示或特定机械手模拟的情况下，为目标机械手合成功能等效的抓取。我们使用薛定谔桥形式化将此问题构建为抓取分布之间的随机传输。我们的方法学习在视觉观察的条件下，通过得分和流匹配在源和目标潜在抓取空间之间进行映射。为了指导这种转换，我们引入了物理信息代价函数，编码基座姿态、接触图、力旋空间和可操作性的对齐。跨多种手-物体对的实验表明，我们的方法生成稳定、有物理基础的抓取，并具有很强的泛化能力。这项工作实现了异构操作器的语义抓取传递，并将基于视觉的抓取与概率生成建模联系起来。更多详情请访问 https://grasp2grasp.github.io/
引用
@article{arxiv.2506.02489,
title = {Grasp2Grasp: Vision-Based Dexterous Grasp Translation via Schr\"odinger Bridges},
author = {Tao Zhong and Jonah Buchanan and Christine Allen-Blanchette},
journal= {arXiv preprint arXiv:2506.02489},
year = {2025}
}
备注
Accepted at NeurIPS 2025