DexFormer 2.0:跨具身灵巧抓取统一策略
DexFormer 2.0: Towards a Cross-Embodiment Foundation Policy for Dexterous Grasping
AI 摘要
Lixin Xu 等提出 DexFormer 2.0,用单一强化学习策略控制多种臂—手组合。它将机器人映射为带有效性掩码的规范关节接口,以运动学树偏置注意力编码形态,并用 Transformer-XL 推断动力学。在 4 臂 6 手 18 种组合上训练,稳定抓取成功率达 89%,可迁移到未见组合与手。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。