DefFlow用联合3D点流提升可变形物体操作成功率

Gaurav Singh 等研究者提出 DefFlow 框架，从示教中联合预测机器人与可变形物体的目标条件三维点流，同时覆盖抓取、释放、重抓等决策与到达目标的连续动作。在绳索、颗粒介质和布料的多种初始与目标配置下，DefFlow 在成功率和目标距离指标上明显优于目标条件动作预测与仅预测机器人流的基线。 该框架已在真实机器人上用真实点云观测和未见过的目标配置完成部署。

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。