一个机械臂抓取项目的复现

原创 已于 2025-12-25 21:07:42 修改 · 278 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器人 #人工智能

于 2025-12-25 16:53:12 首次发布

复现的抓取项目链接：https://github.com/IRVLUTD/GraspTrajOpt/tree/mobile?tab=readme-ov-file

在复现的时候发现需要的SceneReplica 数据下载网址点不开，后来发现这个数据集就是有个论文提供的数据集，这个论文的项目网址如下：“SceneReplica: Benchmarking Real-World Robot Manipulation by Creating Replicable Scenes”

所以你可以直接访问他的数据集网址SceneReplica数据集下载github

SceneReplica是一个完整的 机器人抓取基准测试框架—— 桌面物体模型是其核心数据之一，但仓库还包含场景配置、抓取算法基准代码、仿真 / 真实世界部署工具等关键内容，用于统一测试和对比不同抓取算法的性能。

这里还有另外一个数据集，场景是室内更全面的场景

Replica数据集下载的镜像网址https://gitcode.com/gh_mirrors/re/Replica-Dataset/?utm_source=gitcode_aigc_v1_t0&index=top&type=card&uuid_tt_dd=10_10074194580-1753457008273-377642&from_id=155702722&from_link=53830a3cd3d80230538a132c74724d12这里参考了教程Replica数据集完整教程：从入门到3D场景渲染精通

其实Replica就是提供了一些场景建模数据

【机械臂视觉抓取从理论到实战】
vor234的博客
10-23 4589
首先声明一下，此项目是参考B站哈萨克斯坦UP的【机械臂视觉抓取从理论到实战】 此内容为他研究生生涯的阶段性成果展示和技术分享，所有数据和代码均开源。所以鹏鹏我特此来复现一下，我采用的硬件与之有所不同，UP主使用UR5，我实验室采用的是UR3，下面列出相关材料 UR3CB3.12:https://www.universal-robots.cn/cb3/ 【UR3系统升级到CB3.12附带URcap1.05】硬件支持代码支持 jacquard数据集：https://pan.baidu.com/s/1524HrV
基于强化学习ur机械臂项目论文复现
weixin_69762283的博客
08-18 1382
因为该项目中的moveit与gazebo联动是本人所需要的，故复现一下该项目，运用moveit的圆弧轨迹规划控制gazebo中机械臂模型画圆。1.先把大佬的ur5文件包下载下来，大佬的ros版本是16.04的，我是18.04的。后期可能需要更改许多环境的bug，慢慢来吧。2.安装包导入ros后，配置环境时报的第一个bug，环境配置中opencv-python下载报错除了opencv-python，剩下三个已经安装好了。
Replica-Dataset:在https中发布的副本数据集v1
05-07
副本数据集 副本数据集是各种室内空间的高质量重建的数据集。 每个重建都具有干净的密集几何体，高分辨率和高动态范围纹理，玻璃和镜面信息，平面分割以及语义类和实例分割。 有关更多详细信息，请参见。 此存储库中包含的Replica SDK允许通过ReplicaViewer进行数据集的可视检查，并提供了一个示例，该示例说明了如何通过ReplicaRenderer无头地从场景中渲染图像。 为了机器学习的目的，每个数据集还包含对使用的格式的导出，因此可以在该框架中无缝地用于AI代理培训和其他ML任务。 引用副本数据集 如果您在研究中使用副本数据库，请引用以下： @article{replica19arxiv, title = {The {R}eplica Dataset: A Digital Replica of Indoor Spaces}, author = {Julian S
Windows10中机械臂抓取Graspnet模型部署与复现
lym928的博客
06-08 1277
把下好的checkpoint-kn.tar和checkpoint-rs.tar分别放到log_k和log_rs文件夹里，均重命名为checkpoint.tar（方便加载）[checkpoint-rs.tar]下载地址 https://pan.baidu.com/s/1Eme60l39tTZrilF0I86R5A。[checkpoint-kn.tar] 下载地址 https://pan.baidu.com/s/1QpYzzyID-aG5CgHjPFNB9g。(1)下载tolerance.tar。
复现心得与代码复盘：多模态大模型调用+机械臂抓取(一)
qq_57553723的博客
01-02 1837
基于大模型的智能体机械臂抓取实验设计【实物】【仿真】【UI界面】【多种可切换大模型】【本地部署+API调用】 面向大模型下的机械臂控制教学实验设计，包含实物控制、仿真平台和交互界面三大模块。 通过多种类大模型实现自然语言理解、目标检测和动作编排，支持不同部署模式的大模型灵活切换，创造出一个简单的具身智能体。 实验的最终目标是向终端给出非固定的文本或语音指令后，机械臂可以按要求完成相应基础动作和目标抓取。
【深度学习】YOLO_World-SAM-GraspNet机械臂抓取仿真
agentssl的博客
05-21 8166
UR5机械臂通过深度相机获取场景的RGB图像和深度图。使用YOLO-World模型对图像中的待抓取物体进行目标检测，定位物体的边界框。然后利用SAM对检测到的物体进行图像分割，生成高精度的掩码图。深度相机提取物体的三维点云数据，基于点云数据，通过GraspNet模型计算抓取点及其对应的夹抓姿态，并选择置信度最高的结果。最后UR5机械臂根据计算出的夹抓姿态执行抓取动作，完成整个抓取任务。
零成本入门多模态大模型调用+机械臂抓取（二）：仿真实验
qq_57553723的博客
04-05 1727
基于大模型的机械臂抓取实验仿真操作介绍
在ubntu16.04+2080ti上复现了机械臂抓取（包括CUDA、CUDNN、torch、torchvision之间版本的对应关系和安装过程）
weixin_52172498的博客
09-14 929
之前我是用强化学习做baxter机器人移动物体抓取的，后来导师觉得那个方向差不多到顶了，再做就没啥意义了（两个师兄做这个了，也都发了不错的论文），让我做复杂场景抓取，妄我去年学习了一年啊/(ㄒoㄒ)/~~都快做出来了，不过导师这么说了，我也恭敬不如从命，选择了一篇比较接近的文章来复现他，安排！ 就是这篇文章，code也在这，按作者的方法搭就行 在我上一篇文章中我就写到，我们实验室的这个电脑有点不兼容ubuntu16.04+2080ti，火狐打不开，chrome经常崩溃~~~无解，在配置环境时出现了很多问题。
UR5 Yolo+抓取GitHub项目复现(上)
学习 | 共享 | 前进
05-22 2916
UR5 Yolo+抓取GitHub项目复现(上)
脑机接口+机械臂视觉抓取
weixin_44494462的博客
09-01 940
Part1 远程连接服务器 第一步: ssh zhouguilin@172.17.27.166 第二步:vncserver :59 -geometry 1680x950 第三步:vncviewer 第四步:172.17.27.166:59 退出服务器:vncserver -kill :59 复制文件: 本地到服务器:scp -r 本地路径 zhouguilin@172.17.27.166:服务器路径 (单个文件不必加r,加也行) 服务器到本地scp -r zhouguilin@172.17.27.166
精选资源
基于GG-CNN预测每个像素的抓取质量和姿态，通过机器人仿真软件Gazebo实时观察待抓取物体的抓取点.zip
04-07
进行机械臂的手眼标定（Eye-in-Hand）；基于pybullet平台仿真实现多个目标… 卷积神经网络（Convolutional Neural Network, CNN）是一种专门针对图像、视频等结构化数据设计的深度学习模型，它在计算机视觉、语音...
基于Graspness的机械臂视觉6自由度抓取（python源码+项目说明）.zip
03-09
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设...基于Graspness的机械臂视觉6自由度抓取（python源码+项目说明）.zip
EI_机器人之舞_动作的采集\映射\强化和播放(一)
qjworkman的博客
01-04 559
机器人的舞蹈能力并非简单的动作复制，而是 “采集 - 适配 - 训练 - 优化” 的全链路技术整合。通过人类动作数据驱动、仿真环境中的强化学习、以及多模态感知的实时调整，最终实现了高精度、高稳定性的舞台表现。若需将此流程落地到你的项目中，建议优先构建标准化的动作采集与仿真训练 pipeline，并逐步引入强化学习优化策略。
EI_机器人之舞_单目相机\G1机器人(二)
qjworkman的博客
01-04 843
这是一份框架贴合宇树机器人（G1 43 关节）的硬件特性，整合了动作采集、MuJoCo 仿真、强化学习训练、动作生成与适配全流程，包含主要代码与可落地的核心逻辑，可直接基于此扩展实际项目。
天然气管道内检测机器人检测节设计14张cad＋三维图＋设计说明书
kejigongjiang的博客
01-02 904
综上所述，天然气管道内检测机器人检测节的设计，不仅是提高管道检测精度和效率的关键步骤，而且为管道安全运行提供了强有力的保障，是保障天然气管道长效、安全运营的重要技术基础。检测节是管道内检测机器人进入管道并进行检测的关键部位，它不仅要保证机器人的顺利通过，还要支持多种检测设备的安装，确保机器人能够完成不同种类的检测任务[4]。例如，2017年，中国石油大学（北京）和相关研究单位合作，提出了一种新型的管道内检测机器人设计，注重在机器人进入管道的入口处设置适应不同管径和管道曲率的检测节[10]。
发那科机器人气保焊二元混合气节气
2403_88713304的博客
12-31 400
发那科机器人凭借气保焊作业的轨迹精准度和焊缝一致性，在新能源汽车电池壳、高压管件、精密五金等高端焊接场景占据重要地位。
宇树机器人又刷第一！具身智能靠强化学习解锁直立行走与快速奔跑
xiesibo2012的博客
12-31 684
宇树机器人H1凭借强化学习技术，在2025年世界人形机器人运动会夺得四项金牌，峰值速度突破5m/s。其核心技术在于通过仿真环境中的强化学习训练，分阶段解锁步态能力：先简化模型生成基础步态，再通过策略蒸馏实现奔跑优化。测试验证采用"仿真-场景-赛事"三级体系，最终在复杂赛场上展现卓越性能。这一突破证明强化学习是具身智能运动能力突破的关键，未来结合多模态大模型，机器人将具备更强的环境适应与决策能力。
IPO视角| 卧安机器人赴港IPO曲线救国：先卖窗帘、再造人
liukuang110的博客
12-30 478
但由于卧安机器人对日本市场和亚马逊渠道的过度依赖，以及转型人形机器人的不确定性，最终还要看他们的具身机器人能否真正赢得市场。而真正的AI产品还是配角，卧安宣传的AI陪伴机器人（Kata Friends）、AI网球机器人（Acemate）虽然拿了国际大奖，技术含量高，但目前在营收中的占比还比较小。在国内的机器人市场，也有越来越多的机器人公司开始奔赴资本市场，除了宇树科技这样的明星公司，也有卧安机器人这种脚踏实地的公司。当前的卧安机器人，它有真实的利润、高毛利和成熟的海外市场渠道，具备消费品的属性。
步兵机器人
最新发布
m0_74739916的博客
01-05 489
通过遥控器控制机器人向任何方位运动，小陀螺，云台指向，发射子弹，具备多种作战模式，也可将遥控器连接电脑，利用电脑上位机软件控制机器人。
复现论文机械臂仿真抓取
03-11
### 实验准备 为了成功复现论文中的机械臂仿真抓取实验，需先搭建合适的开发环境并安装必要的软件工具。确保已安装ROS2版本以及Webots模拟器，二者均为构建该仿真实验的基础平台[^1]。 ### 构建机械臂模型 在Webots环境中创建或导入ABB机械臂的具体模型文件，按照官方文档指导完成基本设置与参数调整工作，使虚拟设备尽可能贴近实际物理特性表现。此过程涉及几何外形定义、惯量属性设定等多个方面。 ### 控制系统设计 依据ROS2架构原则来构思整个系统的逻辑布局，重点在于建立有效的消息传递机制以便于各组件间协作无误。对于特定任务如物体识别定位，则依赖计算机视觉技术获取外部世界信息输入；而针对路径规划及动作执行部分，则运用到了经典的逆向运动学求解方法以确定关节角度变化序列[^2]。 ```python import rclpy from sensor_msgs.msg import JointState from std_srvs.srv import Trigger def calculate_inverse_kinematics(target_pose): """Calculate joint angles based on target end-effector pose.""" # Placeholder function for inverse kinematics calculation. pass def main(args=None): rclpy.init(args=args) node = rclpy.create_node('arm_controller') publisher = node.create_publisher(JointState, '/joint_states', 10) while True: # Assume we have a way to get the target pose here... target_pose = ... joints = calculate_inverse_kinematics(target_pose) msg = JointState() msg.name = ['base_to_link_1', 'link_1_to_link_2'] # Example names only msg.position = list(joints.values()) publisher.publish(msg) if __name__ == '__main__': main() ``` 这段Python代码展示了如何利用ROS2发布关节状态主题的消息实例，其中包含了通过调用`calculate_inverse_kinematics()`函数计算得出的目标姿态对应的各个关节角位置值。 ### 抓取策略制定 结合所选传感器反馈的数据（例如RGB-D相机图像），采用适当算法处理分析得到待拾起物品的确切空间坐标系下位置描述，并据此调整手臂末端效应器的姿态方向直至接触目标表面为止。期间可能还会涉及到力矩感知等功能模块的应用，用来保障操作的安全性和准确性。 ### 数据交换接口 最后一步就是打通连接至实体机器人装置的信息通道了——这通常意味着编写专门的服务端程序负责监听来自远端指令请求的同时也能够向外发送当前内部状态报告等内容。借助TCP/IP协议栈或者串口通信等方式达成目的，在某些情况下甚至可以直接利用制造商提供的SDK简化流程。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

啵啵鱼爱吃小猫咪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值