PCF-Grasp：将点补全转换为几何特征以增强6自由度抓取
机器人学
2026-01-13 v2 机器学习
摘要
基于点云的6自由度（DoF）抓取方法在使机器人抓取目标物体方面显示出巨大潜力。然而，现有大多数方法基于从单视角深度图像生成的点云（2.5D点）。这些点云仅包含物体的一侧表面，提供的几何信息不完整，这会误导抓取算法对目标物体形状的判断，导致抓取精度较低。人类能够通过利用其几何经验来估计物体形状，从而从单一视角准确抓取物体。受人类启发，我们提出了一种新颖的6自由度抓取框架，该框架将点补全结果作为物体形状特征来训练6自由度抓取网络。在此，点补全可以从2.5D点生成近似完整的点，类似于人类的几何经验，而将其转换为形状特征是利用它来提高抓取效率的方式。此外，由于网络生成与实际执行之间存在差距，我们在框架中集成了一个评分过滤器，以为真实机器人选择更可执行的抓取提案。这使得我们的方法能够在任何相机视角下保持较高的抓取质量。大量实验表明，利用完整的点特征能够生成显著更准确的抓取提案，并且加入评分过滤器大大增强了真实世界机器人抓取的可信度。在真实世界实验中，我们的方法比现有最优方法的成功率高出17.8%。
引用
@article{arxiv.2504.16320,
title = {PCF-Grasp: Converting Point Completion to Geometry Feature to Enhance 6-DoF Grasp},
author = {Yaofeng Cheng and Fusheng Zha and Wei Guo and Pengfei Wang and Chao Zeng and Lining Sun and Chenguang Yang},
journal= {arXiv preprint arXiv:2504.16320},
year = {2026}
}