UniFucGrasp：基于人手生物仿的统一功能抓取标注策略与数据集
机器人学
2025-12-02 v2 计算机视觉与模式识别
图像与视频处理
摘要
指尖抓取数据集对具身智能至关重要，但大多数方法侧重抓取稳定性，忽略了诸如打开瓶盖或握持杯柄等任务所需的功能抓取。大多数方法依赖笨重、昂贵且难以控制的高自由度Shadow手。受人手下机械装置启发，我们构建UniFucGrasp—a一种适用于多种指尖手类型的通用功能抓取标注策略与数据集。基于生物仿，该方法将自然人体运动映射到多样化手结构，并利用几何学方法实现力闭，确保功能、稳定且符合人体习惯的抓取。该方法支持低成本、高效地获取多样化、高质量的功能抓取。最后，我们建立了首个多手功能抓取数据集，并提供合成模型以验证其有效性。在UFG数据集、IsaacSim及复杂机器人任务上的实验表明，我们的方法在功能操作精度和抓取稳定性方面均取得改进，显示出对多种机器人手的适应性提升，帮助缓解抓取标注成本和泛化性挑战。项目页面位于https://haochen611.github.io/UFG。
引用
@article{arxiv.2508.03339,
title = {UniFucGrasp: Human-Hand-Inspired Unified Functional Grasp Annotation Strategy and Dataset for Diverse Dexterous Hands},
author = {Haoran Lin and Wenrui Chen and Xianchi Chen and Fan Yang and Qiang Diao and Wenxin Xie and Sijie Wu and Kailun Yang and Maojun Li and Yaonan Wang},
journal= {arXiv preprint arXiv:2508.03339},
year = {2025}
}
备注
Accepted to IEEE Robotics and Automation Letters (RA-L). The project page is at https://haochen611.github.io/UFG