CoToGrasp：通过规范工作空间学习实现接触拓扑条件化灵巧抓取合成
CoToGrasp是一种面向灵巧机器人手的生成式框架，可合成多样且稳定的抓取动作。不同于主要关注物理稳定性的传统抓取规划器，该系统根据适用于后续功能任务的接触拓扑来生成抓取动作。模型以物体无关的方式训练，因此无需构建成本高昂的物体级标注数据集。基于特征的规范工作空间将物体局部特征映射到统一的夹爪中心表示，使模型能够对未见过的物体进行零样本泛化。在大型DexGraspNet数据集上的评估表明，CoToGrasp的性能优于现有的分类法引导型规划器。研究人员还在实体机器人上验证了生成接触拓扑的运动学可行性和实际执行能力。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。