PulseAugur
实时 12:42:17
English(EN) Web2Grasp: Learning Functional Grasps from Web Images of Hand-Object Interactions

Web2Grasp 从网页图像中学习功能性机器人抓取

研究人员开发了 Web2Grasp,这是一种通过学习网页图像中捕捉到的人类交互来教授机器人手部进行功能性抓取的新方法。该方法从 RGB 图像中提取手部与物体交互的 3D 网格,并采用以交互为中心模型以及基于几何的过滤和物理模拟来完善抓取数据。该系统在模拟环境中对网页数据集中的物体成功率为 75.8%,在现实世界机器人手上成功率为 77.5%,包括注射器和刀具等挑战性物体。 AI

影响 通过利用现成的网络数据,实现了更通用和功能性的机器人操作。

排序理由 这是一篇详细介绍机器人抓取新方法的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Web2Grasp 从网页图像中学习功能性机器人抓取

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Hongyi Chen, Yunchao Yao, Yufei Ye, Zhixuan Xu, Homanga Bharadhwaj, Jiashun Wang, Arthur Jakobsson, Ruihan Zhao, Shubham Tulsiani, Zackory Erickson, Jeffrey Ichnowski ·

    Web2Grasp: Learning Functional Grasps from Web Images of Hand-Object Interactions

    arXiv:2505.05517v3 Announce Type: replace-cross Abstract: Functional grasping is essential for enabling dexterous multi-finger robot hands to manipulate objects effectively. Prior work largely focuses on power grasps, which only involve holding an object, or relies on in-domain d…