人類通用抓取
為何重要
此研究建立了一套針對機器人抓取的標準化基準，並證明瞭 flow-matching 模型能將人類的靈巧性有效轉移至通用機器人操作。
人類抓取動作自然且靈活，但現有多指機器人缺乏通用性。這項研究發布了 HUG 模型，利用 100 萬幀人類抓取資料集（1M-HUGs），從 RGB-D 影像輸出入手腕平移與旋轉等引數。該模型支援將預測結果重新定位至不同機器人手，並在新的 HUG-Bench 基準測試中，針對挑戰性物體大幅領先現有基準線。
此研究建立了一套針對機器人抓取的標準化基準，並證明瞭 flow-matching 模型能將人類的靈巧性有效轉移至通用機器人操作。
人類抓取動作自然且靈活，但現有多指機器人缺乏通用性。這項研究發布了 HUG 模型，利用 100 萬幀人類抓取資料集（1M-HUGs），從 RGB-D 影像輸出入手腕平移與旋轉等引數。該模型支援將預測結果重新定位至不同機器人手，並在新的 HUG-Bench 基準測試中，針對挑戰性物體大幅領先現有基準線。