PhysicalAI Robotics GraspGen
Conjunto de datos de simulación robótica a gran escala para agarrar objetos, compatible con varias pinzas industriales.
57 millones de poses de agarre en formato WebDataset (.tar), JSON para divisiones
CC-BY 4.0
Descripción
GraspGen es un conjunto de datos robóticos simulados a gran escala diseñado para mejorar la precisión y la solidez de los algoritmos de agarre. Contiene más de 57 millones de intentos de entrada generados para 8515 objetos 3D del repositorio de Objaverse XL. Se simulan las convulsiones de tres tipos de pinzas: la pinza Franka Panda, la pinza RobotiQ-2F-140 y la ventosa de un solo contacto.
¿Para qué sirve este conjunto de datos?
- Entrenamiento de modelos de IA para el agarre robótico en simulación
- Probando los enfoques de Sim2Real en la manipulación de objetos 3D
- Cree puntos de referencia para diferentes tipos de pinzas
¿Se puede enriquecer o mejorar?
Sí. Es posible añadir otros tipos de pinzas, objetos 3D o condiciones ambientales para aumentar la diversidad de escenarios. La integración de la retroalimentación sensorial o los datos en tiempo real permitiría ir más allá en el realismo. Las nuevas divisiones o anotaciones (como la complejidad de los objetos) también pueden mejorar la granularidad de los análisis.
🔎 En resumen
🧠 Recomendado para
- Laboratorios de robótica
- Ingenieros de manipulación de IA
- Simuladores Sim2Real
🔧 Herramientas compatibles
- MeshCat
- PyBullet
- Isaac Sim
- WebDataset
- Python
💡 Consejo
Para obtener mejores resultados, filtra los objetos por tipo o complejidad antes de entrenarlos o visualizarlos.
Preguntas frecuentes
¿Se puede usar este conjunto de datos con robots reales?
Sí, es ideal para la transferencia de Sim2Real: los modelos entrenados con estos datos se pueden probar en condiciones reales.
¿El conjunto de datos contiene imágenes?
No, contiene posturas de agarre y objetos 3D, pero no una representación visual de imágenes estándar.
¿Puedo visualizar datos sin hardware robótico?
Sí, se proporcionan scripts de visualización para explorar las posturas de entrada mediante MeshCat y Python.
