DexGrasp Anything: Towards Universal Robotic Dexterous Grasping with Physics Awareness
作者: Yiming Zhong, Qi Jiang, Jingyi Yu, Yuexin Ma
发布时间: 2025-03-12
来源: arxiv
研究方向: 机器人学，机器学习，机器人感知与操作
主要内容
该研究旨在开发一种能够抓取任意物体的灵活机器人手，通过将物理约束整合到基于扩散的生成模型中，实现通用且鲁棒的抓取。
主要贡献
1. 提出了一种名为DexGrasp Anything的物理感知扩散生成器，该生成器将三个精心设计的物理约束目标集成到扩散模型的训练和采样阶段。
2. 在五个抓取数据集上实现了最先进的性能。
3. 提供了一个新的高质量抓取数据集，这是迄今为止最大和最多样化的数据集，显著提高了现有方法的泛化能力。
研究方法
1. 使用扩散模型进行生成。
2. 引入了表面拉力、外部穿透排斥力和自穿透排斥力等物理约束。
3. 采用物理感知训练方案和物理引导采样器。
4. 使用大规模数据集进行训练和采样。
5. 使用LLM增强对象表示提取模块。
实验结果
在五个抓取数据集上，DexGrasp Anything在抓取成功率、最大穿透深度和多样性方面均优于现有方法。此外，DexGrasp Anything数据集显著提高了抓取方法的多样性和成功率。
未来工作
为了解决对形状极薄的物体产生次优姿态的问题，未来的工作可能包括增强可及性建模或将触觉反馈集成到机器人抓取系统中。