Les chercheurs ont proposé SeededGrasp, un cadre modulaire efficace en termes de données, utilisant la prédiction de points de saisie par VLM en zéro-shot,...
论文研究HuggingFace Daily Papers(社区热门论文)
Brief IA du jour
Les chercheurs ont proposé SeededGrasp, un cadre modulaire efficace en termes de données, utilisant
la prédiction de points de saisie par VLM en zéro-shot, puis confiant à un modèle léger de correspondance de flux la génération de postures de saisie spécifiques, séparant ainsi le raisonnement sémantique de haut niveau de l'exécution géométrique de bas niveau. Cette méthode peut supporter plusieurs bras robotiques sans entraînement de bout en bout. Elle a été entraînée sur un ensemble de données synthétiques comprenant 610 scènes désordonnées, 334 objets et 3 types de pinces (totalisant 2,56 millions de saisies), avec un taux de réussite en simulation de 72 % et un taux de réussite en expérimentation réelle de 78 %. Le code et les données du projet ont été rendus open source.
Article et notes de source
arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs :https://info.arxiv.org/labs/index.html.
Les chercheurs ont proposé SeededGrasp, un cadre modulaire efficace en termes de données, utilisant la prédiction de points de saisie par VLM en zéro-shot,...