研究人员开发了一种新的机器人鲁棒灵巧抓取方法，采用了变分神经信念参数化。该方法使用可微分的高斯混合模型来模拟接触参数和物体姿态中的不确定性，从而在不利条件下更有效地优化抓取成功率。仿真结果显示，与传统的粒子滤波方法相比，规划时间显著缩短，成功率有所提高；在机器人手臂上的实际测试也验证了其在不确定环境中的有效性。 AI
影响 这项研究可能有助于提高机器人在复杂、不确定环境中操作的可靠性。
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。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.25897v1 Announce Type: cross Abstract: Contact variability, sensing uncertainty, and external disturbances make grasp execution stochastic. Expected-quality objectives ignore tail outcomes and often select grasps that fail under adverse contact realizations. Risk-sensi…
Contact variability, sensing uncertainty, and external disturbances make grasp execution stochastic. Expected-quality objectives ignore tail outcomes and often select grasps that fail under adverse contact realizations. Risk-sensitive POMDPs address this failure mode, but many us…