研究人员开发了HUG，一种流匹配模型，能够从单个RGB-D图像生成多样化的人类抓取。该模型利用通过智能眼镜收集的100万次人类抓取数据集，涵盖了6000多个物体实例。HUG预测由腕部平移、旋转和MANO手部姿势参数化的抓取，这些抓取可以重新定向到各种机器人手上以实现零样本抓取。在新的基准HUG-Bench上进行评估，该系统在现有最先进的抓取基线方面表现出显著的性能提升。 AI
影响 这项研究通过实现更通用、更像人类的抓取能力，有可能显著推进机器人操作能力。
排序理由 该集群描述了一篇关于用于机器人抓取的新型模型和数据集的新研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.17054v1 Announce Type: cross Abstract: Humans can grasp objects effortlessly, whereas multi-fingered robots are far from this level of generality. We argue that the most natural source of robot grasping data is from humans, who pick up thousands of objects every day. W…
A flow-matching model generates diverse human grasps from RGB-D images, enabling zero-shot robotic grasping with improved performance over existing methods.