$\mathcal{D(R,O)}$ grasp：跨体现化 dexterous grasp 的机器人与对象交互统一表示

dexterous grasp 是机器人操作中需要精确交互的基本且具有挑战性的技能。本文提出了 $\mathcal{D(R,O)}$ Grasp，一个新型框架，用于建模机器人手在抓取姿态中的状态与对象的交互，从而实现对各种机器人手和对象几何形状的广泛泛化。我们的模型以机器人手的描述和对象点云为输入，能够高效预测运动学上有效且稳定的抓取，显示出对多样化机器人体现和对象几何形状的强大适应性。在模拟和真实世界环境中进行的大量实验验证了我们方法的有效性，在多个 dexterous 机器人手之间实现了成功率、抓取多样性和推理速度的显著提升。我们的方法在三个不同的 dexterous 机器人手中实现了平均 87.53% 的成功率，仿真时间不到一秒。在真实世界实验中使用 LeapHand，方法也显示出平均 89% 的成功率。$\mathcal{D(R,O)}$ Grasp 为在复杂多变的环境中实现 dexterous grasp 提供了稳健的解决方案。代码、附录和视频均可在我们的项目网站 https://nus-lins-lab.github.io/drograspweb/ 上获取。