论文页面 - CosmoH2G：用于复杂空间运动物体操作的机械手到夹爪迁移数据集与基线方法

来源：https://huggingface.co/papers/2609.07498

摘要

本研究提出一个两阶段框架，通过预测稀疏夹爪关键帧与连续动作，将复杂的人手示范动作迁移至机器人夹爪，并利用运动学优化减少累积误差。

将人手示范动作迁移至机器人夹爪，已成为机器人学习的高效低成本方案。然而，现有方法大多局限于简单的平面任务，无法处理机器人操作中必需的复杂空间运动（如涉及旋转或翻转的精细轨迹）。为填补这一空白，我们采用数据驱动的隐式方法，以细粒度手部姿态动作为引导。为此，我们设计了可扩展的采集流程来获取手-夹爪配对示范数据，并制定严谨的协议：优先考虑运动复杂度，利用手持夹爪实现无缝动作模仿。最终构建了包含1,254个独特物体、6,189个操作片段的大规模配对数据集，其空间复杂度显著高于现有基准。但学习此类复杂映射仍具挑战性：我们发现直接端到端生成完整夹爪姿态序列效果欠佳，因细微轨迹偏差会在复杂动力学中快速累积。为此，我们提出两阶段框架：第一阶段预测稀疏夹爪关键帧（起始与终止状态）以简化映射目标；第二阶段基于关键帧生成完整连续动作序列。此外，为缓解累积误差，我们在学习夹爪方向的同时，基于抓取启发式与运动学一致性对平移路径进行后优化。在仿真与真实机器人实验中，本框架能稳定精准地实现复杂空间操作的手-夹爪迁移，性能显著超越传统基线。项目页面：https://cosmoh2g.github.io

查看arXiv页面 (https://arxiv.org/abs/2609.07498) 查看PDF (https://arxiv.org/pdf/2609.07498) 项目页面 (https://cosmoh2g.github.io/) GitHub (https://github.com/GAP-LAB-CUHK-SZ/CosmoH2G) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.07498)

通过智能助手获取本文： hf papers read 2609.07498

未安装最新CLI？请运行：curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

暂无模型关联本文

在模型README.md中引用 arxiv.org/abs/2609.07498 即可从本页面建立链接

引用本文的数据集0

暂无数据集关联本文

在数据集README.md中引用 arxiv.org/abs/2609.07498 即可从本页面建立链接

引用本文的Spaces0

暂无Space关联本文

在Space README.md中引用 arxiv.org/abs/2609.07498 即可从本页面建立链接

包含本文的收藏集0

暂无收藏集收录本文

将本文添加至收藏集 (https://huggingface.co/new-collection) 即可从本页面建立链接