苏黎世联邦理工学院联合项目RobustDexGrasp框架论文解读：通用物体的稳健灵巧抓取

研究背景

在机器人抓取领域，传统方法常受限于对已知物体的依赖、静态抓取姿态的局限性，以及对外部干扰（如碰撞、观测噪声）的低适应性。苏黎世联邦理工学院联合香港科技大学以优傲机器人（UR5机械臂）搭载灵巧手为硬件载体，提出了一套基于强化学习的动态灵巧抓取框架，旨在解决 “未知物体泛化抓取” 和 “干扰下稳健抓取” 两大核心问题。

该框架通过单视角视觉输入即可实现对500余种未知物体（包括薄型、小型、重型、可变形及透明物体）的抓取，并能在意外碰撞、外力扰动等场景下保持稳定。最终在仿真中实现247,786个未知物体97.0% 的抓取成功率，在真实场景中实现512个未知物体94.6%的成功率，突破了传统方法对已知物体模型和多视角感知的依赖。

RobustDexGrasp框架：首先使用由强化学习（RL）驱动的特权视觉触觉感知来训练一个教师策略。然后，我们使用单视图对象点云和嘈杂的本体感觉来训练一个学生策略，由我们的混合课程学习方法驱动，该方法从IL开始以高效地蒸馏教师策略，并逐渐过渡到RL以在干扰下进行探索。