arXiv Robotics· Tao Geng, Dapeng Yang, Ziwei Liu, Le Zhang, Le Qi, WangYang Li, Yi Ren, Shan Luo, Fenglei Ni·· 2 小时前AI 评分24
DGS-Net：从单视角点云学习多物体场景下的灵巧抓取
DGS-Net: Learning Dexterous Grasps from Single-View Point Clouds via a Multi-Object Scene Dataset
AI 导读
DGS-Net 是一个端到端抓取预测网络，可从多物体场景的单视角点云中学习密集抓取配置。其配套数据集包含 307 个物体、240 个多物体场景和超过 35 万个经校验的抓取，并显式建模抓取偏移与预抓取手势。实验显示该网络在仿真中抓取成功率为 88.63%，真实机器人平台上为 78.98%，平均穿透深度 0.375 mm、穿透体积 559.45 mm³。
来源：arXiv Robotics · arxiv.org