MMGNet多模态6-DoF抓取合成论文发布

2026年10月27日，Rui Cao等作者在arXiv Robotics提交发布论文《MMGNet：面向杂乱场景的多模态6-DoF抓取合成网络》。该网络通过分层图像到3D特征注入与旋转抓取度建模，应对杂乱场景中的抓取合成瓶颈。在GraspNet-1Billion数据集上，使用RealSense取得60.34的平均AP，超过所有对比方法；在针对对抗性抓取物体的真实实验中，抓取成功率比AnyGrasp高8.46个百分点。消融实验显示，上述两个模块带来互补增益。作者表示，代码、模型和数据将在论文发表后释放。目前事件进展即为该论文的公开发布及上述实验结果的披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。