Galbot vyvinul rozsáhlou datovou sadu nazvanou DexGraspNet pomocí NVIDIA Isaac Sim, která obsahuje 1,32 milionu úchopů ShadowHand napříč 5 355 objekty. Tato datová sada je o dva řády větší než předchozí datové sady, jako je Deep Differentiable Grasp, a pomáhá trénovat algoritmy pro přesnější manipulaci s robotem.
Galbot použil NVIDIA Isaac Sim, robustní simulační nástroj a hluboce zrychlený optimalizátor k vytvoření různorodých a stabilních uchopení. Jejich nový přístup, UniDexGrasp++, v kombinaci s GeoCurriculum Learning a Geometry-Aware Iterative Generalist-Specialist Learning (GiGSL), pomáhá zlepšit zobecnitelnost uchopovacích strategií založených na vizi.
Galbotův DexGraspNet 2.0 zahrnuje obratné uchopení v nepřehledných prostředích s 90,70% úspěšností ve scénářích reálného světa. Tato vylepšení zvyšují schopnost humanoidních robotů efektivně manipulovat s předměty a přibližují je obratnosti podobné lidské.
Zdroj
<p>Příspěvek DexGraspNet: Revoluční soubor dat NVIDIA pro robotické obratné uchopování se poprvé objevil na CoinBuzzFeed.</p>