DGS-Net：单视角点云多物体灵巧抓取
热点事件持续更新
DGS-Net：单视角点云多物体灵巧抓取
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月16日，arXiv Robotics 刊出论文，提出端到端抓取预测网络 DGS-Net，可从多物体场景的单视角点云中学习密集抓取配置，并配套两阶段抓取数据生成策略与数据集。据该报道，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。实验结果显示，该网络在仿真中抓取成功率为 88.63%，在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。论文称数据集可通过其给出的链接获取。目前尚无后续跟进报道，事件进展以该篇主报道为准。
AI 根据报道生成 · 1 小时前更新
最新进展10月16日 12:00
DGS-Net：从单视角点云学习多物体场景下的灵巧抓取报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv RoboticsDGS-Net：从单视角点云学习多物体场景下的灵巧抓取
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。