DexDiffuser: Generating Dexterous Grasps with Diffusion Models

要約

DexDiffuserは、部分的な物体点群に対して把持を生成、評価、改良する新しい器用把持法である。DexDiffuserには、条件拡散に基づく把持サンプラーDexSamplerと器用把持評価器DexEvaluatorが含まれる。DexSamplerは、ランダムにサンプリングされた把持を繰り返しノイズ除去することで、物体点群を条件とした高品質な把持を生成します。また、2つの把持洗練戦略を紹介する：評価者誘導拡散（EGD）と評価者ベースのサンプリング洗練（ESR）である。実験の結果、DexDiffuserは最先端の多指把持生成手法であるFFHNetを常に凌駕し、シミュレーション実験と実ロボット実験において、それぞれ平均9.12%と19.44%の把持成功率を示しました。補足資料は https://yulihn.github.io/DexDiffuser_page/ にあります。

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, DeepL