IROS 2024 论文让机器人新抓握适配成功率提升 28.5%
Ed__Johns · x · 2026-07-29
这篇论文研究的是：机器人如何把已经学会的操作技能，迁移到新的抓握姿态上。
论文核心思路
- 机器人在一个自监督数据采集阶段里，让摄像头观察自己拿着物体运动的过程。
- 训练出的网络可以在部署时，把“针对某一种抓握姿态学到的技能”适配到新的抓握方式。
- 方法不需要物体的 3D CAD 模型，不需要相机标定，也不依赖人工逐个定义新轨迹。
实验结果
- 支持 RGB、深度或两者结合。
- 在 1360 次真实世界评测 中，基于自监督 RGB 的方案稳定优于依赖深度图的替代方案。
- 相比表现最好的基线，平均成功率提升了 28.5%。
帖子还补充说，这项工作发表于 IROS 2024，并附有论文和视频讲解链接。
「具身」频道最新
- ALICE5 在 RoboCup 2026 上两周前首秀 — CyberRobooo · 2026-07-29
- AI Agent 手机之争，正在从应用入口转向权限层 — APPSO · 2026-07-29
- AeiROBOT 的 ALICE v4 走进鸡尾酒会送饮料 — CyberRobooo · 2026-07-29
- Daeduck 试点轮式人形机器人 ALICE M1 上 PCB 产线 — CyberRobooo · 2026-07-29
- MIT Technology Review：最重要的 AI 变化往往最不性感 — nordicinst · 2026-07-29
- Festo 可移动转运板可让工厂物料任意分流 — lukas_m_ziegler · 2026-07-29