研究人员推出了 GraspIT，这是一个旨在通过弥合模拟与现实世界应用之间的差距来改进机器人抓取的新数据集。该数据集具有照片级逼真的 RGB-D 观测和经过物理验证的抓取质量注释，这些是通过在 NVIDIA Isaac Sim 中的 Franka Panda 机器人上进行的四阶段物理滑动测试生成的。GraspIT 包含模拟和现实世界场景中超过 316,000 个带注释的 RGBD 帧集，提供详细信息，如实例掩码、6-DoF 位姿和物理对象属性，以及评分的 6-DoF 抓取。该项目还提供开源工具和 Docker 容器以方便访问。 AI
影响 通过提高在模拟中训练的模型向现实世界场景的迁移能力，该数据集可以加速开发更强大、更多功能的机器人抓取系统。
排序理由 该集群是关于通过 arXiv 论文发布的新数据集和相关工具，属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
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…
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…