基于触觉感知的大尺寸物体双臂灵巧抓取协同学习
研究提出一个真实世界双臂灵巧抓取大尺寸物体的框架，包含采集关节角度、视觉观测与力信号的多模态数据集，基于去噪扩散概率模型（DDPM）从分割点云生成关节级抓取构型的模块，以及将运动规划与在线抓取细化结合的执行策略。该方法可从单视角输入合成可执行的双臂抓取，降低对完整三维物体模型的依赖。在双臂机器人上的实验显示，对几何形状与位姿各异的未见物体取得较高成功率，消融实验验证了各关键组件的贡献。
发布于 10-23 23:02来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Learning Cooperative Bimanual Dexterous Grasp of Large Objects with Tactile Sensing》查看原链
arXiv:2608.10383v3 公告类型：替换 摘要：大尺寸物体的双臂灵巧抓取是机器人操作中的一项关键挑战。 然而，现有研究大多关注顺序操作而非协同抓取，针对此类双臂任务的方法也大多局限于仿真环境。 这些局限源于难以获取完整的三维物体模型，以及难以生成物理上合理的抓取动作。
为填补这一空白，我们提出一个真实世界双臂抓取框架，包括：一个采集关节角度、视觉观测与力信号的多模态数据集；一个基于去噪扩散概率模型（DDPM）的模块，从分割点云生成关节级抓取构型；以及一个将运动规划与在线抓取细化相结合的执行策略，以确保物理稳定性与可行性。
我们的方法能够从单视角输入合成可执行的双臂抓取，降低对完整三维物体模型的依赖，并确保真实世界中的稳定性能。 在双臂机器人上的实验表明，该方法对几何形状与位姿各异的未见物体均取得较高成功率，消融实验也验证了系统各关键组件的贡献。