GraspGen: Uma Estrutura Baseada em Difusão para Agarramentos em 6-DOF com Treinamento On-Generator

Agarrar é uma habilidade fundamental de robôs, no entanto, apesar de avanços significativos na pesquisa, abordagens de agarramento em 6-DOF baseadas em aprendizado ainda não são prontos para uso e enfrentam dificuldades para generalizar em diferentes incorporações e em ambientes reais. Nós nos baseamos no recente sucesso de modelar o processo de geração de agarramentos centrados em objetos como um processo de difusão iterativa. Nossa estrutura proposta, GraspGen, consiste em uma arquitetura DiffusionTransformer que melhora a geração de agarramentos, emparelhada com um discriminador eficiente para classificar e filtrar agarros amostrados. Introduzimos uma nova e eficaz receita de treinamento on-generator para o discriminador. Para escalar o GraspGen para objetos e garras, lançamos um novo conjunto de dados simulado que consiste em mais de 53 milhões de agarramentos. Demonstramos que o GraspGen supera métodos anteriores em simulações com objetos isolados em diferentes garras, alcança desempenho de ponta no benchmark de agarramento FetchBench, e desempenha bem em um robô real com observações visuais ruidosas.