UltraDexGrasp：基于合成数据的通用双手机器人灵活抓取学习
机器人学
2026-03-06 v1
摘要
抓取是机器人与物理世界交互的基本能力。人类拥有两只手，能自主选择根据物体的形状、大小和重量选择合适的抓取策略，从而实现稳健的抓取和后续操作。相比之下，当前的机器人抓取技术仍受限，尤其是在多策略场景下。尽管已有大量工作致力于并行夹爪和单手抓取，但双手机器人灵活抓取仍鲁见于探索，数据是主要的瓶颈。实现能够承受外部力矩且在几何上符合要求的抓取具有显著挑战。为此，我们提出了UltraDexGrasp，一个面向双手机器人的通用灵活抓取框架。该框架的数据生成管道集成了基于优化的抓取合成与基于规划的演示生成，产生跨多种抓取策略的高质量且多样化的轨迹。通过该框架，我们构建了UltraDexGrasp-20M，一个包含2000万帧、覆盖1000个物体的大规模、多策略抓取数据集。基于UltraDexGrasp-20M，我们进一步开发了一个简单而有效的抓取策略，采用点云输入，通过单向注意力聚合场景特征并预测控制命令。该策略仅使用合成数据训练，实现了稳健的零样本 sim-to-real 迁移，在形状、大小和重量各异的新物体上持续成功，实现了81.2%的平均成功率。为促进双手机器人抓取研究，我们开源了数据生成管道 https://github.com/InternRobotics/UltraDexGrasp。
关键词
引用
@article{arxiv.2603.05312,
title = {UltraDexGrasp: Learning Universal Dexterous Grasping for Bimanual Robots with Synthetic Data},
author = {Sizhe Yang and Yiman Xie and Zhixuan Liang and Yang Tian and Jia Zeng and Dahua Lin and Jiangmiao Pang},
journal= {arXiv preprint arXiv:2603.05312},
year = {2026}
}
备注
Published at International Conference on Robotics and Automation (ICRA) 2026