Galbot 使用 NVIDIA Isaac Sim 通过广泛的 DexGraspNet 数据集推进人形机器人技术

机器人灵巧抓取是机器人技术的一个关键领域，重点是使人形机器人能够像人类一样灵巧地处理和操纵物体。据 NVIDIA 称，机器人公司 Galbot 通过使用 NVIDIA Isaac Sim 开发名为 DexGraspNet 的大型数据集，在该领域取得了重大进展。

创建综合数据集

DexGraspNet 是一个突破性的数据集，包含 132 万个 ShadowHand 抓取对象，涵盖 5,355 个对象，涵盖超过 133 个类别。该数据集比以前的数据集（例如 Deep Differentiable Grasp）大两个数量级，为每个对象实例提供了广泛的抓取。这个广泛的数据集有助于更准确地训练算法，使机器人能够执行需要精细运动技能的复杂任务。

创新技术和工具

Galbot 利用 NVIDIA Isaac Sim（一款强大的模拟工具）来验证大量抓取操作，解决了之前扩展灵巧抓取数据集方面的挑战。他们采用了深度加速的优化器来有效地合成稳定且多样化的抓点。这种方法确保数据集包含以前使用其他工具无法实现的把握。

抓取算法的进步

通过跨数据集实验，Galbot 证明 DexGraspNet 上的训练算法显着优于以前的数据集。该公司推出了 UniDexGrasp++，这是一种学习广义灵巧抓取策略的新颖方法。该方法利用地理课程学习和几何感知迭代通才-专长学习（GiGSL）来增强基于视觉的抓取策略的通用性。

扩展和实际应用

Galbot 的进步通过 DexGraspNet 2.0 扩展到现实世界的应用，其中包括在杂乱环境中灵巧的抓取，并在现实世界场景中展示了 90.70% 的成功率。该团队还利用 NVIDIA Isaac Lab 开发了模拟测试环境，加速了灵巧抓取模型的开发和实现。

这些发展标志着人形机器人技术的重大飞跃，使机器人能够更好地模仿人类处理物体的灵活性和效率。 Galbot 的工作在 NVIDIA 模拟工具的支持下，不断突破机器人灵巧抓取的可能性界限。

图片来源：Shutterstock