PulseAugur
中
实时 21:31:55
English(EN) GraspIT: A Dataset Bridging the Sim-to-Real gap and back for Validated Grasping SE(3) Pose Generation

新的 GraspIT 数据集连接仿真到现实的机器人抓取

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了 GraspIT，一个旨在通过连接仿真与现实世界应用来改进机器人抓取的新数据集。该数据集包含具有照片级逼真 RGB-D 观测和物理验证抓取质量标注的桌面场景。GraspIT 在 NVIDIA Isaac Sim 中的 Franka Panda 机器人上使用了四阶段物理滑动测试来生成连续质量分数和轨迹可达性检查，同时提供好的抓取和困难的负例。该数据集包含模拟和现实世界场景中约 316,000 个标注的 RGBD 帧集，以及物体属性和评分的 6-DoF 抓取，所有相关工具均开源。 AI

影响 该数据集旨在通过提供更全面和经过验证的训练资源来提高机器人抓取系统的鲁棒性和可靠性。

排序理由 该集群描述了一个用于机器人研究的新数据集的发布，包括一篇论文和相关的工具。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的 GraspIT 数据集连接仿真到现实的机器人抓取

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Paul Koch. Adem Karakurt, Andr\'e Sers ·

    GraspIT: A Dataset Bridging the Sim-to-Real gap and back for Validated Grasping SE(3) Pose Generation

    arXiv:2607.05869v1 Announce Type: cross Abstract: Robust robotic grasping of novel objects requires datasets that simultaneously provide photorealistic RGB-D observations, physically validated grasp quality annotations, and a principled bridge between simulation and the real worl…

  2. arXiv cs.CV TIER_1 English(EN) · André Sers ·

    GraspIT：一个连接仿真到现实并反向验证抓取 SE(3) 位姿生成的 数据集

    Robust robotic grasping of novel objects requires datasets that simultaneously provide photorealistic RGB-D observations, physically validated grasp quality annotations, and a principled bridge between simulation and the real world, which existing datasets lack to provide jointly…

相关实体

相关话题