TGrasp6D: Task-Informed Vision-Language Priors and Pose Refinement enable Zero-Shot Task-Oriented 6DoF Grasping
中文摘要
由模型生成 · 人工抽检TGrasp6D 提出一种基于视觉语言模型的零样本任务导向 6DoF 抓取方法：根据任务与单张 RGB-D 图像推理语义可供性生成初始抓取先验，再通过 6DoF 位姿优化避免碰撞并保持任务一致性。在 TaskGrasp 数据集上成功率达 94%，远超基线 74%，并在 Franka 机器人上验证了真实世界零样本泛化能力。
全文
已译中文[Submitted on 14 Oct 2026]
标题：
TGrasp6D: Task-Informed Vision-Language Priors and Pose Refinement enable Zero-Shot Task-Oriented 6DoF Grasping
查看题为 TGrasp6D: Task-Informed Vision-Language Priors and Pose Refinement enable Zero-Shot Task-Oriented 6DoF Grasping 的论文 PDF，作者为 Manav Kulshrestha 及另外 3 位作者
查看 PDF
HTML（实验性）
摘要：
面向任务的抓取（Task-Oriented Grasping，TOG）已成为实现有目的机器人操作的一项重要技能。给定用刀“切面包”的任务，机器人必须选择从刀柄处抓取；而对于“把刀递过去”的任务，则更希望刀柄保持无遮挡以便安全交接。当前的 TOG 方法要么聚焦于 2D 平面抓取，要么受限于对任务无关抓取生成器的依赖，要么受限于依赖有限的、人工标注的、任务特定的抓取数据集，而这些数据集无法覆盖所有可能的抓取-任务组合。为此，我们提出 TGrasp6D，一种基于视觉语言的方法，以零样本方式生成面向任务的 6DoF 抓取。给定一个任务和关联物体的一幅 RGB-D 图像，TGrasp6D 针对给定任务和物体几何推理出合适的语义可供性（semantic affordance），以产生初始的任务知情先验。该生成的先验进一步通过 6DoF 位姿优化进行细化，以在保持任务一致性的同时避免碰撞。我们的方法在 TaskGrasp 数据集上取得了 94% 的 SOTA 成功率，最佳基线为 74%。我们还将该方法部署在 Franka Research 3 机器人上，以展示对真实世界物体的零样本泛化能力。
提交历史
From: Manav Kulshrestha [
view email
[v1]
Wed, 14 Oct 2026 20:31:36 UTC (3,573 KB)
本译文由模型自动生成，仅供参考与快速理解；涉及数字、版本、命令、法律条文等请以原文为准。
原文附件
2 个 · 均跳转原站，本站不托管文件正文为原站公开内容的抓取与清洗结果，英文条目附模型生成的中文译文；两者均仅供参考， 准确内容请以原站为准。内容版权归原作者所有，若认为侵权请联系我们下线。