visual-pushing-grasping

收录理由

对于从事抓取与放置任务的机器人研究者来说，这个仓库是IROS 2018一篇关于推抓协同学习论文的PyTorch官方实现。它不依赖手工编写的控制逻辑，而是让两个全卷积网络直接处理RGB-D图像，在Q学习框架中通过试错不断改进——UR5机械臂会逐渐学会先把杂乱物体推到更开阔的位置，再准确地抓取它们。仓库同时提供了仿真和真实硬件上的训练与测试脚本，上手门槛较低，适合用来探索自监督操作策略。由于论文公开了完整结果，且代码与论文保持一致，这个项目也可以作为可复现的基准，方便你在其上对比新的基于学习的操作方案。