DiPGrasp：高效可微分抓取规划的并行局部搜索

抓取规划是机器人操作中重要的任务。尽管该领域受到广泛关注，但尚未报道能够适用于不同自由度 (DOF) 机器人手臂、快速且可微分的独立抓取规划器。在本工作中，我们提出了 DiPGrasp，一个满足所有这些目标的抓取规划器。DiPGrasp 采用力闭合几何表面匹配抓取质量指标，并采用考虑并行采样和碰撞处理的梯度优化方案。这不仅大大加快了对象表面上的抓取搜索速度，还使其可微分。我们将 DiPGrasp 应用于三个场景，即抓取数据集构建、掩码条件规划和姿态细化。对于数据集生成，作为独立规划器，DiPGrasp 在速度和质量方面都优于多个经典规划器。对于掩码条件规划，它可以将 3D 感知模型即时转化为 3D 抓取检测模型。作为姿态细化器，它可以优化来自神经网络的粗糙抓取预测以及神经网络参数。最后，我们在 Barrett 手和 Schunk SVH 五指手上进行了实际实验。视频和补充材料可在我们的网站上查看：https://dipgrasp.robotflow.ai。