标签:机器人抓取
英伟达与波士顿动力合作,借助DextrAH-RGB提升机器人抓取能力,虚拟训练让智能机器人更高效地学习与适应环境
第一段 未来机器人(微信公众号:robot_pro)报道,英伟达(NVIDIA)与波士顿动力(Boston Dynamics)近期宣布了一项令人瞩目的合作成果。他们共同研发的 DextrAH-RGB 技术,让机器人手臂具备了类似人类的视觉感知能力,可以灵活抓取各种物品。这一技术通过虚拟训练提升机器人的智能抓取能力,并成功应用于波士顿动力的 Atlas MTS 机器人,实现了从虚拟到现实的“零样本”迁移。 第二段 DextrAH-RGB 技术的核心在于让机器人学会如何灵活抓取物体。传统机器人手臂通常只能按照预设程序抓取固定物体,但在面对新物体或复杂环境...
国防科大提出灵巧手抓取策略迁移新方案:智能图形学与Transformer助力泛化能力提升
本文介绍的是国防科技大学智能图形计算团队在智能图形学、具身智能、机器学习及三维视觉等方面的研究成果。该团队拥有众多国家级人才,长期致力于数据驱动三维感知、建模与交互的研究,并在国际上发表了大量高质量论文,荣获多个奖项。 在机器人操作领域,抓取任务一直是核心难题之一。该任务的目标是使机械手准确地移动到指定位置并成功抓取物体。近年来,基于学习的方法显著提升了对不同物体抓取的泛化能力,但在灵巧手(多指机械手)上的泛化研究相对较少。由于灵巧手在结构和几何上有很大差异,抓取策略难以在不同灵巧...