CosmoH2G：面向复杂空间物体操作的手到夹爪迁移数据集与基线方法
CosmoH2G提出了一个数据集和基线方法，用于将人类手部演示迁移到机器人夹爪。该数据集包含1,254种物体的6,189个操作片段，重点覆盖旋转、翻转和复杂轨迹等高空间复杂度动作。所提出的两阶段框架首先预测夹爪的初始和终止稀疏关键帧，然后以此为条件生成完整的连续动作序列。为减轻误差累积，系统学习夹爪的方向，并依据抓取启发式方法和运动学一致性对平移进行后处理优化。作者报告称，在仿真和真实机器人实验中，该方法相比传统基线实现了更稳定、更精确的手到夹爪动作迁移。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。