GraspGen

英伟达用扩散模型生成 6 自由度抓取位姿、再打分筛选的框架

英伟达 2025 年 7 月公开的 6 自由度抓取生成框架（Murali、Fox、Eppner 等）。输入物体点云，先用扩散 Transformer 生成大量候选抓取位姿（夹爪的三维位置加朝向），再用判别器给每个抓取打分、筛掉差的；判别器直接用生成器采样出的抓取来训练（论文称 on-generator training）。它同时发布了超过 5300 万个仿真抓取的数据集，覆盖 Franka 夹爪、Robotiq 2F-140、吸盘等末端执行器，针对的是学习型抓取换夹爪、换真实场景就不好用的问题。论文报告它在 FetchBench 仿真基准上达到最好水平，真机上面对有噪声的点云也能工作。

例子先用分割模型从深度点云里抠出目标物体，把物体点云交给 GraspGen 得到一批带分数的抓取位姿，挑分数最高且可达的一个，交给 cuRobo 规划机械臂轨迹去执行。

相关

抓取位姿检测、扩散模型、Contact-GraspNet、AnyGrasp、抓取规划、cuRobo

来源

GraspGen (arXiv 2507.13097)
GraspGen 项目主页

信息截至

2025-07