提出跨本体灵巧抓取生成框架DexGraspFlow
热点事件持续更新
提出跨本体灵巧抓取生成框架DexGraspFlow
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
Bin Zhou 等提出 DexGraspFlow，一种条件化连杆级 SE(3) 流匹配框架，用于跨本体灵巧抓取生成，将几何关系与运动学拓扑结合，用双流 DiT 建模连杆间协调与连杆-物体交互，并以运动学树距离导出的注意力偏置提供显式结构信息。 在三种机械手、30 个物体-手对上，DexGraspFlow 平均仿真成功率达 95.33%，含逆运动学在内的平均生成延迟比一个最先进基线低约 49%。实验还展示其对七种手指移除变体的零样本适应性及掌部朝向控制。用部署手部示教数据训练的模型在 100 次真实机器人抓取试验中取得 91% 成功率。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
DexGraspFlow：拓扑感知的SE(3)流匹配实现跨本体灵巧抓取生成报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.RODexGraspFlow：拓扑感知的SE(3)流匹配实现跨本体灵巧抓取生成
DexGraspFlow 提出一种条件化连杆级 SE(3) 流匹配框架，用于跨本体灵巧抓取生成，将几何关系与运动学拓扑结合，用双流 DiT 建模连杆间协调与连杆-物体交互，并以运动学树距离导出的注意力偏置提供显式结构信息。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月21日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。