OrbitGrasp：基于 $SE(3)$ 不变性的抓取学习

抓取检测是机器人操作流程中重要的组成部分，但在 $SE(3)$ 空间中实现可靠且准确的抓取检测仍是一项研究挑战。许多机器人应用，尤其是针对非结构化环境（如家居或仓库）的应用，都从根本上依赖更好的抓取性能。本文提出了一种新颖的框架，用于基于点云输入检测 $SE(3)$ 抓取位姿。我们的主要贡献是提出一种 $SE(3)$ 不变模型，将点云中的每个点映射到 2 球面 $S^2$ 上的连续抓取质量函数，并采用球谐基函数进行表示。与对有限采样点进行推理相比，该表述在需要大量采样点时，能显著提升模型的精度和效率。为实现这一目标，我们提出了一种基于 EquiFormerV2 的新颖变体，采用类 UNet 的编码器-解码器结构，以扩大模型可处理的点数。我们称之为 $\textit{OrbitGrasp}$ 的最终方法，在仿真和物理实验中均显著优于基线方法。