GOAG：面向灵巧机器人操作的生成式、物体无关抓取规划器
研究人员提出 GOAG，一种用于规划多指机器人抓取动作的生成式模型。该方法学习特定夹爪接触面分布的紧凑潜在表示，不依赖物体专属训练数据。物体特征仅在推理阶段引入，以识别与夹爪能力相匹配的接触区域。在仿真和真实环境实验中，GOAG 在 MultiDex 数据集上的平均成功率达到 86.93%，生成大量抓取配置的速度也快于竞争方法。其性能可媲美针对该数据集专门训练的领先方法，同时能够更好地泛化到未见过的物体。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。