轨迹误差降40%
该规划器通过学习人类上肢运动偏好来生成拟人抓取动作，并利用可微分网络求解，显著提升抓取成功率与规划效率。
Xu, Wei · Zihang, Geng · Xu, Shi · Guo, Weichao · 盛鑫军
IEEE/ASME Transactions on Mechatronics 2025
通过从人类演示中学习关节空间的黎曼度量，捕捉上肢运动的自然方向偏好，并以二次黎曼距离作为优化目标，使生成的轨迹更贴近人类运动模式。
通过利用网络的可微性，迭代地近似求解黎曼距离和目标约束，避免了传统采样或非线性优化方法的计算开销。
灵巧抓取评估器以候选抓取和物体为输入，输出标量代价，使得在未见过的物体上也能评估抓取质量并引导规划。