论文 / 摘要阅读
SkelGG-CNN：骨架引导的机器人抓取自动标注与4-DoF到6-DoF执行
Skeleton-Guided Geometry-Aware Auto-Labeling for Robotic Grasping: From 4-DoF Learning to 6-DoF Execution
AI 导读 · 根据来源整理
作者提出基于直线骨架的自动标注算法，无需人工干预即可生成双指抓取关键点，并训练出4-DoF的SkelGG-CNN。该模型在Jacquard V1、Jacquard V2和Cornell上分别达到95.42%、96.55%和97.1%的准确率；6-DoF自动标注在GraspNet novel split上平均精度为18.33。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org