GOAG：面向灵巧机器人操作的目标无关抓取规划器

多指抓取是机器人关键技术，现有深度学习规划器受限于特定物体训练数据训练数据用来「喂」给 AI 模型学习的教材。对机器人来说，主要是「看到的画面 + 做出的动作」一一配对的操作示范。◆ 小白科普 · 现身而泛化泛化指 AI 面对没见过的新东西、新场景时也能举一反三做出正确反应的能力。这是「通用机器人」和「专用机器」的分水岭。◆ 小白科普 · 现身能力不足。研究人员提出GOAG，一种生成式目标无关抓取规划器，基于抓具与物体表面几何在接触点趋同的观察，学习抓具接触面分布的紧凑潜表征，无需依赖特定物体训练数据训练数据用来「喂」给 AI 模型学习的教材。对机器人来说，主要是「看到的画面 + 做出的动作」一一配对的操作示范。◆ 小白科普 · 现身即可高效采样可行抓取构型。在推理阶段引入物体特征，即可检索与抓具能力相符的可接触区域。在多指数据集数据集按统一格式整理好的大批量数据集合，是训练 AI 模型的「教材库」。开源数据集相当于整个行业的公共基础设施。◆ 小白科普 · 现身MultiDex的既定测试协议中，该方法达到平均成功率86.93%；在生成大量抓取时处理速度显著提升，且不依赖特定物体训练数据训练数据用来「喂」给 AI 模型学习的教材。对机器人来说，主要是「看到的画面 + 做出的动作」一一配对的操作示范。◆ 小白科普 · 现身，性能可与针对性训练的领先方法媲美。相关代码和视频已在项目网站公开。