MMGNet：面向杂乱场景的多模态6-DoF抓取合成网络

MMGNet提出多模态抓取合成网络，通过分层图像到3D特征注入和旋转抓取度建模，把多尺度图像特征融入3D表示并联合预测抓取接近方向与平面内旋转。在GraspNet-1Billion上使用RealSense数据取得60.34的平均AP，超过所有对比方法；在对抗性抓取物体的实机实验中，抓取成功率比AnyGrasp高8.46个百分点。消融实验显示两个模块带来互补增益，代码、模型和数据将在论文发表后放出。