OmniDex发布260万场景灵巧抓取数据集与模型

Naiyu Fang等作者在arXiv发布预印本，提出OmniDex灵巧抓取数据集与模型。作者称，因真实数据采集成本高，研究以仿真为主要途径，采用可扩展的seed-and-filter策略构建基准，包含超260万杂乱场景和0.4B场景特定抓取真值，并配有语义与几何观测。 模型方面，作者称OmniDex通过Soft Winner-Takes-All学习、类人物理约束训练和物理驱动排序，避免后优化延迟。作者报告的实验结果显示，该模型在多样场景、视角和未见物体上取得state-of-the-art性能与较强泛化。上述结果来自作者自述，预印本尚未经同行评议，也未提及实机验证。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。