arXiv cs.AI· Heng Zhang, Kevin Yuchen Ma, Mike Zheng Shou, Weisi Lin, Yan Wu·· 11 小时前AI 评分31
MANGO-Grasp：基于几何导向 3D 高斯与马氏场的跨本体灵巧抓取框架
MANGO-Grasp: Mahalanobis Fields over Geometry-Oriented 3D Gaussians for Cross-Embodiment Dexterous Grasping
AI 导读
MANGO-Grasp 提出一种各向异性交互框架，用几何导向的 3D 高斯图元表示物体，并以预训练描述子编码手的形态与运动学，通过各向异性马氏场建模手物交互。
正文 · AI 翻译
摘要：跨具身灵巧抓取旨在在异构多指手上合成稳定抓取，且几乎不需要或完全不需要针对具体具身的调优。现有的以交互为中心的方法取得了有前景的结果，但其物体表征往往对局部表面几何的表示不足，手部描述子未能同时显式捕捉形态与运动学，且手-物体交互建模通常是各向同性的。我们提出 MANGO-Grasp，一个各向异性交互框架，将物体表示为面向几何的 3D 高斯基元以更好地保留局部表面几何，并将手编码为同时捕捉形态与运动学的预训练描述子。手-物体交互使用各向异性马氏场建模，以反映接触的方向性，并引导跨具身抓取实现的共享优化。在 CMAP 和 MultiGripperGrasp 基准上，MANGO-Grasp 在仿真中比最强的已见手基线高出最多 8.24 个百分点。它还能零样本迁移到未见过的 SharpaWave 手，比最强的零样本基线高出最多 16.57 个百分点，并在真实世界实验中达到 86% 的成功率。代码和附加材料将在论文发表后发布于 此 https URL。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.02014 [cs.RO] |
| （或本版本的 arXiv:2608.02014v2 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2608.02014 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Heng Zhang [查看邮箱]
[v1]
2026年8月3日星期一 10:12:15 UTC（4,657 KB）
[v2]
2026年10月16日星期五 16:47:33 UTC（4,659 KB）
来源：arXiv cs.AI · arxiv.org