DexDiffuser: Generating Dexterous Grasps with Diffusion Models

要約

部分的なオブジェクト点群の把握を生成、評価、および改良する新しい器用な把握方法である DexDiffuser を紹介します。
DexDiffuser には、条件付き拡散ベースの把握サンプラー DexSampler と器用な把握評価器 DexEvaluator が含まれています。
DexSampler は、ランダムにサンプリングされた把握の反復ノイズ除去により、オブジェクト点群に条件付けされた高品質の把握を生成します。
また、評価者主導拡散 (EGD) と評価者ベースのサンプリング改良 (ESR) という 2 つの把握改良戦略も紹介します。
実験結果は、DexDiffuser が常に最先端の多指把握生成手法 FFHNet を上回り、シミュレーションと実際のロボット実験において平均してそれぞれ 9.12% および 19.44% 高い把握成功率を示していることを示しています。
補足資料は https://yulihn.github.io/DexDiffuser_page/ で入手できます。

要約(オリジナル)

We introduce DexDiffuser, a novel dexterous grasping method that generates, evaluates, and refines grasps on partial object point clouds. DexDiffuser includes the conditional diffusion-based grasp sampler DexSampler and the dexterous grasp evaluator DexEvaluator. DexSampler generates high-quality grasps conditioned on object point clouds by iterative denoising of randomly sampled grasps. We also introduce two grasp refinement strategies: Evaluator-Guided Diffusion (EGD) and Evaluator-based Sampling Refinement (ESR). The experiment results demonstrate that DexDiffuser consistently outperforms the state-of-the-art multi-finger grasp generation method FFHNet with an, on average, 9.12% and 19.44% higher grasp success rate in simulation and real robot experiments, respectively. Supplementary materials are available at https://yulihn.github.io/DexDiffuser_page/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google