研究者は SeededGrasp を提案しました。これはデータ効率の高いモジュラー型フレームワークで、VLM によるゼロショットでの把持シード点予測を利用し、その後軽量なフローマッチングモデルにより具体的な把持姿勢を生成し、高次の意味推論と低次の幾何学的実行を切り離します。この方法はエンドツーエンドの訓練を必...
研究者は SeededGrasp を提案しました。
これはデータ効率の高いモジュラー型フレームワークで、VLM によるゼロショットでの把持シード点予測を利用し、その後軽量なフローマッチングモデルにより具体的な把持姿勢を生成し、高次の意味推論と低次の幾何学的実行を切り離します。 この方法はエンドツーエンドの訓練を必要とせず、複数のロボットアームに対応可能です。 610 の乱雑なシーン、334 の物体、3 種類のグリッパーを含む合成データセット（256 万回の把持を含む）で訓練したところ、シミュレーションの成功率は 72%、実験環境での成功率は 78% でした。 プロジェクトはコードとデータをオープンソース化しています。
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.
Aioga 编辑摘要：研究者提出 SeededGrasp，一种数据高效的模块化框架，利用 VLM 零样本预测抓取种子点，再交由轻量级流匹配模型生成具体抓取姿态，将高层语义推理与底层几何执行解耦。 Aioga 将其归入「论文研究」方向，重点关注它对真实使用和行业竞争的影响。
背景分析：模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断，单项指标领先不等于已经形成稳定采用。
Aioga 判断：这条动态更适合作为行业观察信号，当前信息足以建立线索，但不足以推导长期结论。
影响分析：对相关团队而言，短期应先核对来源、可用范围和实际成本，再判断是否值得接入或跟进。 后续观察：继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。
取得元が提供するタイトル、要約、出典、元記事リンクを掲載しています。記事全文は転載していません。
取得経路: 要約集約 · 元ドメイン: arxiv.org
出典: HuggingFace Daily Papers（社区热门论文）
元記事: 元記事を開く
Aioga アーカイブ: 情報ページを開く
Content record: source-page · Updated: 2026-07-22T00:00:00.000Z
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this articleAioga は世界の AI 動向を集約し、確認と引用のため出典情報を保持します。