PartDexTOG：基于语言驱动的零力度抓取生成方法
机器人学
2026-01-12 v2
摘要
面向任务的抓取是机器人操作中至关重要却又具备挑战性的任务。尽管近期取得了进展，但现有少数方法能够针对具备灵活手臂的任务导向抓取。具备灵活手臂能够提供更好的精度和灵活性，使机器人能够更有效地执行任务导向抓取。在本文中，我们认为通过提供对象功能细节信息，Part 分析可增强零力度抓取。我们提出 PartDexTOG 方法，通过语言驱动的 Part 分析生成零力度任务导向抓取。该方法以 3D 对象和用语言表示的操纵任务为输入，首先生成相对于操纵任务的类别级和部件级抓取描述。随后，开发基于生成描述的类别-部件条件扩散模型，为每个部件分别生成一次零力度抓取。为了从生成的抓取组合中选择最合理的抓取与对应部件的组合，我们提出一种抓取与部件几何一致性度量。我们的方法得益于 LLM 对对象部件的开放世界知识推理，这自然促进了在不同几何形状和不同操纵任务的对象上的抓取生成学习。我们的方法在 OakInk-shape 数据集上击败了所有以前的方法，在 Penetration Volume、Grasp Displace 和 P-FID 上分别提高了 3.58%、2.87% 和 41.43%。值得注意的是，它在处理新类别和新任务方面表现出良好的通用性。
引用
@article{arxiv.2505.12294,
title = {PartDexTOG: Generating Dexterous Task-Oriented Grasping via Language-driven Part Analysis},
author = {Weishang Wu and Yifei Shi and Zhizhong Chen and Zhipong Cai},
journal= {arXiv preprint arXiv:2505.12294},
year = {2026}
}