基于条件一致模型的轻量级语言驱动抓取检测

语言驱动抓取检测是机器人领域中的一项基本且具有挑战性的任务，广泛应用于各种工业场景。本文提出了一种新方法，利用轻量级扩散模型实现快速推断。通过将扩散过程与自然语言中的抓取提示集成，我们的方法能有效编码视觉与文本信息，从而实现更精确、更灵活的抓取定位，能够准确匹配文本查询。为克服扩散模型长推断时间的难题，我们利用图像和文本特征作为条件，在推断过程中减少去噪步骤的数量。实验结果表明，我们的方法在其他近期抓取检测方法和轻量级扩散模型上均显著优于后者。我们进一步在真实世界机器人实验中验证了该方法的快速推断能力。