研究人员开发了两种新的机器人抓取方法，GOAG和CoToGrasp，旨在提高对未见过物体的泛化能力。GOAG使用生成模型学习抓手接触表面的潜在表示，无需特定对象数据即可进行抓取采样。CoToGrasp基于接触拓扑合成抓取，并使用规范工作空间实现零样本泛化。这两种方法在既定基准上都展示了最先进的性能，并在模拟和现实场景中显示出有效性。 AI
影响 这些进展可以显著提高机器人制造、物流和其他需要操作各种物体的领域的适应性和效率。
排序理由 两篇学术论文发布在arXiv上，详细介绍了机器人抓取规划的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.19759v1 Announce Type: cross Abstract: Multifingered grasping is a crucial robotic skill, but current deep-learning grasp planners often struggle to generalize to new objects because they are trained on limited, object-specific datasets. We introduce a fundamentally di…
arXiv:2608.19776v1 Announce Type: cross Abstract: Current dexterous grasp planners primarily optimize for physical stability, focusing on whether an object can be grasped rather than how it should be grasped to support downstream functional tasks. However, conditioning grasp synt…