T(R,O) 抓取：机器人-物体空间变换的图结构扩散用于跨机体灵巧抓取
机器人学
2025-10-15 v1
摘要
灵巧抓取始终是机器人学中的核心挑战，due to 其高维状态和动作空间的复杂性。我们引入 T(R,O) Grasp，一个基于扩散的框架，能够高效生成跨多个机器人手臂的准确且多样化的抓取姿态。其核心是 T(R,O) 图，一种统一表示，建模机器人手臂与物体之间的空间变换，同时编码其几何属性。结合高效正向运动学求解器的图扩散模型，支持无条件和有条件的抓取合成。广泛的实验表明，T(R,O) Grasp 在 diverse dexterous 手臂上实现了 94.83% 的平均成功率、0.21 秒的推理速度和 41 秒钟的吞吐量（基于 NVIDIA A100 40GB GPU），显著优于现有基线。此外，我们的方法在不同机体间具有鲁棒性和可推广性，同时显著降低内存消耗。更重要的是，高推理速度使得闭环灵巧操作成为可能，凸显了 T(R,O) Grasp 成为灵巧抓取基础模型的潜力。
引用
@article{arxiv.2510.12724,
title = {T(R,O) Grasp: Efficient Graph Diffusion of Robot-Object Spatial Transformation for Cross-Embodiment Dexterous Grasping},
author = {Xin Fei and Zhixuan Xu and Huaicong Fang and Tianrui Zhang and Lin Shao},
journal= {arXiv preprint arXiv:2510.12724},
year = {2025}
}
备注
12 pages, 14 figures