arXiv · cs.RO· Bin Zhou; Boyu Ma; Xinyu Zhou; Jiahua Dong; Chuhao Zhou; Yizhou Liu; Hao Wan; Jianfei Yang·· 12 天前精选AI 评分78
论文 / 摘要阅读
DexGraspFlow：融合运动学拓扑的跨本体灵巧抓取生成框架
DexGraspFlow: Topology-Aware SE(3) Flow Matching for Cross-Embodiment Dexterous Grasp Generation
AI 导读 · 根据来源整理
DexGraspFlow 提出一种条件式连杆级 SE(3) 流匹配框架，将几何关系与运动学拓扑结合用于跨本体灵巧抓取生成。该方法在三种机器人手、30 组物体-手配对上的平均仿真成功率为 95.33%，含逆运动学的平均生成延迟比一个先进基线低约 49%。作者还报告了对七种去指变体的零样本适应与手掌朝向控制，并在部署手型的 100 次实机抓取试验中取得 91% 成功率。
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