arXiv cs.AI· Abdul Basit, Bibek Poudel, Muhammad Shafique·· 11 小时前AI 评分29
GraspBench：在 MuJoCo 中跨机器人评估 6-DoF 抓取生成
GraspBench: Execution-Aware Cross-Robot Evaluation of 6-DoF Grasp Generation in MuJoCo
AI 导读
GraspBench 是一个基于 MuJoCo 的受控评测协议，在机器人特定逆运动学过滤、运动规划和固定 approach-close-lift 执行后评估完整抓取生成流程。
正文 · AI 翻译
摘要：现代 6-DoF 抓取生成器通常使用抓取分数、数据集级指标或单机器人演示来评估，但仅凭候选质量并不能决定某个抓取能否被特定机器人执行。我们提出 GraspBench，一个受控的 MuJoCo 协议，用于在机器人特定的逆运动学过滤、运动规划和固定的接近-闭合-提升执行之后，评估完整的抓取生成流水线。GraspBench 在四种机器人形态、五个诊断对象和结构化桌面位姿网格上评估六条已配置流水线，每种方法产生 540 个场景，总计 3,240 次方法-场景评估。缺失输出被保守地计为失败，成功与否遵循各方法执行运行器产生的二元提升判据。GraspGen 取得最高总体成功率（73.1%），其次是 EconomicGrasp（63.5%），而机器人条件和对象条件分析揭示了不同形态和对象几何形状之间的显著差异。GPG 产生最大的原生候选集，但成功率为 44.3%，表明仅凭候选数量并不能保证机器人可执行的抓取。聚类感知的配对区间支持主要方法差异，但不估计重复执行的不确定性。结果刻画的是固定场景下完整的已配置流水线，而非内在模型质量或随机可重复性，表明抓取性能共同取决于生成器、机器人形态、场景和执行协议。
| 评论： | 7 页，6 幅图，已被 ICARCV 2026 接收发表 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.07651 [cs.RO] |
| （或 arXiv:2611.07651v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07651 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Abdul Basit [查看电子邮件]
[v1]
2026 年 11 月 5 日星期四 08:35:43 UTC（867 KB）
来源：arXiv cs.AI · arxiv.org