GraspGF：用于人体辅助灵巧抓取的基于分数的抓取基元学习
机器人学
2025-04-15 v4 人工智能
摘要
在人手可能不可用或不适用的情况下使用拟人机械手辅助个人，已变得十分重要。本文提出一项称为人体辅助灵巧抓取的新任务，旨在训练策略以控制机械手手指辅助用户抓取物体。与传统灵巧抓取不同，该任务因策略需适应用户意图的多样性以及物体几何形状而带来更复杂的挑战。我们通过提出一种包含两个子模块的方法来解决此挑战：称为抓取梯度场(Grasping Gradient Field, GraspGF)的手-物-条件抓取基元，以及历史条件残差策略。GraspGF通过从成功抓取示例集中估计梯度来学习“如何”抓取，而残差策略基于轨迹历史决定“何时”以及以何种速度执行抓取动作。实验结果证明了我们所提方法相较基线的优越性，凸显了在实际应用中的用户感知性与实用性。代码与演示可见“https://sites.google.com/view/graspgf”。
引用
@article{arxiv.2309.06038,
title = {GraspGF: Learning Score-based Grasping Primitive for Human-assisting Dexterous Grasping},
author = {Tianhao Wu and Mingdong Wu and Jiyao Zhang and Yunchong Gan and Hao Dong},
journal= {arXiv preprint arXiv:2309.06038},
year = {2025}
}
备注
NeurIPS 2023