arXiv cs.AI· Julien Merand, Boris Meden, Liming Chen, Mathieu Grossard·· 9 天前AI 评分26
CoToGrasp：基于接触拓扑条件的灵巧抓取合成
CoToGrasp: Contact-Topology-Conditioned Dexterous Grasp Synthesis via Canonical Workspace Learning
AI 导读
CoToGrasp 是一个严格以特定接触拓扑为条件生成多样稳定抓取的生成式框架，完全以物体无关的方式训练，通过基于特征的规范工作空间将局部物体特征投影到统一的夹爪中心域，实现推理时对未见物体的零样本泛化。在 DexGraspNet 数据集上，CoToGrasp 达到 SOTA 性能，超越现有分类引导规划器，并在实体机器人平台上验证了所合成接触拓扑的物理可行性与运动学可行性。代码已在项目网站开源。
正文 · AI 翻译
摘要：当前的灵巧抓取规划器主要针对物理稳定性进行优化，关注的是能否抓取物体，而非应如何抓取以支持下游功能任务。然而，以特定人类抓取分类体系为条件进行抓取合成通常需要成本高昂、带有物体标注的数据集。为解决这些局限，我们提出 CoToGrasp，一种新颖的生成式框架，严格以特定接触拓扑为条件合成多样且稳定的抓取。为绕过数据收集瓶颈，CoToGrasp 完全以与物体无关的方式进行训练。我们引入一种基于特征的标准工作空间，将局部物体特征投影到统一的以夹爪为中心的域中，有效将语义功能意图与任意物体几何解耦。通过在该工作空间内学习夹爪的内在接触流形，我们的模型在推理时实现对未见物体的零样本泛化。在大规模 DexGraspNet 数据集上的大量评估表明，CoToGrasp 达到了最先进的性能，优于现有的分类体系引导规划器。最后，我们在物理机器人平台上验证了所合成接触拓扑的物理可行性与运动学可行性。代码可在我们的项目网站 此 https URL 获取。
| 评论： | 项目网站：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.19776 [cs.RO] |
| （或 arXiv:2608.19776v3 [cs.RO] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2608.19776 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | 第 19 届欧洲计算机视觉会议（ECCV），2026 |
| 相关 DOI： | https://doi.org/10.1007/978-3-032-37574-2_7
链接到相关资源的 DOI |
提交历史
来自：Julien Merand [查看邮箱]
[v1]
2026 年 8 月 20 日星期四 08:19:44 UTC（5,718 KB）
[v2]
2026 年 8 月 21 日星期五 14:14:31 UTC（5,717 KB）
[v3]
2026 年 10 月 8 日星期四 09:48:33 UTC（5,727 KB）
来源：arXiv cs.AI · arxiv.org