GraspALL：面向任意低光条件的机器人衣物抓取自适应结构补偿
机器人学
2026-03-17 v1
摘要
在动态变化的照明条件下实现准确的衣物抓取对于服务机器人全天候运行至关重要。然而，低光场景中照明减弱严重损害衣物结构特征，导致抓取鲁棒性显著下降。现有方法通常通过利用非RGB模态的照明不变性来增强RGB特征，却忽视了在不同照明条件下对非RGB特征依赖程度的变化，这可能会引入不一致的非RGB线索，从而削弱模型对照明变化的适应性。为此，我们提出了GraspALL——一种照明-结构交互式补偿模型。GraspALL的创新之处在于将连续的照明变化编码为定量参考，以引导RGB和非RGB模态之间特征融合的自适应，依据不同的光照强度，从而生成照明一致的抓取表示。在自建衣物抓取数据集上的实验表明，GraspALL在多样化的照明条件下相对于基线方法提高了32%-44%的抓取准确率。
引用
@article{arxiv.2603.14789,
title = {GraspALL: Adaptive Structural Compensation from Illumination Variation for Robotic Garment Grasping in Any Low-Light Conditions},
author = {Haifeng Zhong and Wenshuo Han and Zhouyu Wang and Runyang Feng and Fan Tang and Tong-Yee Lee and Zipei Fan and Ruihai Wu and Yuran Wang and Hao Dong and Hechang Chen and Hyung Jin Chang and Yixing Gao},
journal= {arXiv preprint arXiv:2603.14789},
year = {2026}
}