.png){kind=icon}
返回
CSGrasp: Category-Level Semantically-Aware Grasping Method
.png){kind=icon}
PRE
AI
DOI：10.1109/TIE.2025.3605439.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于相关任务的类别级抓取是机器人抓取领域的一个重要研究兴趣，其由巨大的工业需求驱动。一个鲁棒的评估机制和精确的推理模块是该研究的关键组成部分。本文提出了一种新颖的抓取算法框架。该方法便于获取任务特定的数据集和训练，而无需额外的手动标注。该算法在抓取实例与类别级先验模型之间建立点对点对应关系，实现了语义信息和抓取先验的精确转移。与以往类似工作相比，本文真正实现了抓取实例与先验之间的点对点级知识转移，在类别级抓取任务中获得了更优性能。
Keyword:
Category-level grasping and manipulation
perception for grasping and manipulation
RGB-D perception
期刊
IF:
7.2
论文数:
1.8W
被引数:
9.8W
机构
引用论文
.png){kind=icon}
Category-Level 6-D Object Pose Estimation With Shape Deformation for Robotic Grasp Detection具有形状变形的类别级6-D物体姿态估计，用于机器人抓握检测
PREAI
分享收藏GraspNet-1Billion: A Large-Scale Benchmark for General Object GraspingGraspNet-1Billion: 一般物体抓取的大尺度基准
PREAI
分享收藏
查看更多内容