.png){kind=icon}
返回
Variational Shape Inference for Grasp Diffusion on $\mathrm{SE(3)}$
.png){kind=icon}
PRE
AI
DOI：10.1109/LRA.2025.3645521.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
抓取合成是机器人操作中的一个基本任务，通常存在多个可行的解。多模态抓取合成旨在根据物体几何形状生成多样化的稳定抓取集合，这使得几何特征的鲁棒学习对成功至关重要。为解决这一挑战，我们提出了一种学习多模态抓取分布的框架，该框架利用变分形状推理来增强对形状噪声和测量稀疏性的鲁棒性。我们的方法首先使用隐式神经表示训练一个变分自编码器进行形状推理，然后利用这些学习的几何特征指导扩散模型在SE(3)流形上进行抓取合成。此外，我们引入了一种测试时抓取优化技术，可作为插件集成以进一步改善抓取性能。实验结果表明，我们的“用于抓取合成的形状推理”框架在ACRONYM数据集上比现有最先进的多模态抓取合成方法提高了6.3%，并且与其它方法相比，对点云密度的下降表现出更强的鲁棒性。此外，我们训练的模型在真实世界中对家用物体的操作中实现了零样本迁移，即使在存在测量噪声和点云标定误差的情况下，也比基线方法多生成34%的成功抓取。
Keyword:
Deep learning in grasping and manipulation
perception for grasping and manipulation
