HMT-Grasp：一种用于密集环境机器人抓取的混合Mamba-Transformer方法
机器人学
2025-03-11 v2
摘要
机器人抓取无论是处理孤立物体、杂乱物品还是堆叠物品，都是工业和服务应用中的关键问题。然而，当前基于卷积神经网络（CNN）和视觉Transformer（ViT）的视觉抓取检测方法往往难以适应多样化场景，因为它们倾向于专注于局部或全局特征，忽略了互补线索。在本文中，我们提出一种新型混合Mamba-Transformer方法以解决上述挑战。该方法通过集成视觉Mamba和平行卷积-Transformer模块，有效捕获全局和局部信息。这种混合架构显著提高了在各种机器人任务中的适应性、精度和灵活性。为确保公平评估，我们在Cornell、Jacquard和OCID-Grasp数据集上进行了大量实验，涵盖从简单到复杂的场景。此外，我们进行了仿真和实际机器人实验。结果表明，该方法不仅在标准抓取数据集上超越了最先进的技术，还在仿真和实际机器人应用中 delivers strong performance。
引用
@article{arxiv.2410.03522,
title = {HMT-Grasp: A Hybrid Mamba-Transformer Approach for Robot Grasping in Cluttered Environments},
author = {Songsong Xiong and Hamidreza Kasaei},
journal= {arXiv preprint arXiv:2410.03522},
year = {2025}
}