SpikeGrasp：基于 Stereo Spike 流的 6 自由度抓取姿态检测基准
机器人学
2026-03-23 v2 计算机视觉与模式识别
摘要
大多数机器人抓取系统依赖将传感器数据转换为显式 3D 点云，这一步骤在生物智能中并不存在。本文探索了一种根本不同、受生物学启发的 6 自由度抓取检测范式。我们引入 SpikeGrasp，一种模仿生物视觉-运动通路的框架，处理来自立体 Spike 相机的原始、异步事件，类似视网膜，直接推断抓取姿态。我们的模型融合这些立体 Spike 流，并使用类比于高级视觉处理的循环脉冲神经网络，迭代细化抓取假设，而无需重建点云。为验证这一方法，我们构建了一个大规模合成基准数据集。实验表明，SpikeGrasp 超越了传统基于点云的基线方法，尤其在杂乱和无纹理场景中表现突出，显示出显著的数据效率。通过确立这种端到端、生物学启发方法的可行性，SpikeGrasp 为未来能够实现类似自然界中流畅高效操作的系统铺平了道路，尤其适用于动态物体。
引用
@article{arxiv.2510.10602,
title = {SpikeGrasp: A Benchmark for 6-DoF Grasp Pose Detection from Stereo Spike Streams},
author = {Zhuoheng Gao and Jiyao Zhang and Zhiyong Xie and Hao Dong and Zhaofei Yu and Rongmei Chen and Guozhang Chen and Tiejun Huang},
journal= {arXiv preprint arXiv:2510.10602},
year = {2026}
}
备注
Some real machine experiments need to be supplemented, and the entire paper is incomplete