DAGDiff: Guiding Dual-Arm Grasp Diffusion to Stable and Collision-Free Grasps

📄 arXiv: 2509.21145v2 📥 PDF

作者: Md Faizal Karim, Vignesh Vembar, Keshab Patra, Gaurav Singh, K Madhava Krishna

分类: cs.RO

发布日期: 2025-09-25 (更新: 2025-09-29)

💡 一句话要点

DAGDiff：引导双臂抓取扩散实现稳定无碰撞的抓取

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 双臂抓取 扩散模型 力闭合 碰撞避免 机器人操作 深度学习

📋 核心要点

  1. 现有双臂抓取方法依赖区域先验或启发式，缺乏稳定性保证且泛化性受限，难以处理复杂物体。
  2. DAGDiff通过扩散模型直接生成抓取对，并利用分类器信号引导扩散过程，保证抓取的稳定性和无碰撞。
  3. 实验表明DAGDiff在力闭合、碰撞分析和物理模拟方面优于现有方法，并在真实场景中成功抓取物体。

📝 摘要（中文）

可靠的双臂抓取对于操纵大型和复杂物体至关重要，但由于稳定性、碰撞和泛化要求，仍然是一个具有挑战性的问题。先前的方法通常将任务分解为两个独立的抓取提议，依赖于区域先验或启发式方法，这限制了泛化能力，并且没有提供稳定性的原则性保证。我们提出了DAGDiff，一个端到端的框架，可以直接在SE(3) x SE(3)空间中去噪到抓取对。我们的关键见解是，通过使用分类器信号引导扩散过程，可以更有效地强制执行稳定性和碰撞避免，而不是依赖于显式的区域检测或对象先验。为此，DAGDiff集成了几何、稳定性和碰撞感知引导项，这些引导项将生成过程引导到物理上有效且符合力闭合的抓取。我们通过分析力闭合检查、碰撞分析和大规模基于物理的模拟全面评估了DAGDiff，表明在这些指标上相对于先前的工作有持续的改进。最后，我们证明了我们的框架可以直接在先前未见过的物体的真实世界点云上生成双臂抓取，这些抓取在异构双臂设置上执行，其中两个机械臂可靠地抓取和提升它们。

🔬 方法详解

问题定义：论文旨在解决双臂机器人抓取大型复杂物体时，现有方法在稳定性、碰撞避免和泛化能力方面的不足。现有方法通常将双臂抓取分解为两个独立的单臂抓取任务，依赖于物体区域先验知识或启发式规则，难以保证抓取的稳定性（力闭合）和避免碰撞，且泛化能力有限。

核心思路：论文的核心思路是利用扩散模型直接在SE(3) x SE(3)空间中生成双臂抓取姿态，并通过分类器信号引导扩散过程，从而显式地优化抓取的稳定性（力闭合）和避免碰撞。这种方法避免了对物体区域先验的依赖，能够更好地处理复杂场景，并提供了一种原则性的方法来保证抓取的物理有效性。

技术框架：DAGDiff是一个端到端的框架，其主要流程如下：1) 输入：待抓取物体的点云数据。2) 扩散过程：从随机噪声开始，逐步去噪生成双臂抓取的姿态（SE(3) x SE(3)）。3) 引导过程：在去噪过程中，利用几何、稳定性和碰撞感知分类器提供的梯度信息，引导扩散过程朝着稳定、无碰撞的抓取姿态方向进行。4) 输出：最终生成的双臂抓取姿态。

关键创新：DAGDiff的关键创新在于：1) 将双臂抓取问题建模为扩散过程，能够生成多样化的抓取姿态。2) 引入分类器引导的扩散过程，显式地优化抓取的稳定性（力闭合）和避免碰撞，无需依赖物体区域先验。3) 提出几何、稳定性和碰撞感知引导项，能够有效地指导扩散过程生成物理上有效的抓取姿态。

关键设计：DAGDiff的关键设计包括：1) 使用扩散模型（例如DDPM）作为生成模型。2) 设计几何感知分类器，用于评估抓取姿态的几何可行性。3) 设计稳定性感知分类器，用于评估抓取姿态的力闭合程度。4) 设计碰撞感知分类器，用于评估抓取姿态是否会发生碰撞。5) 将这些分类器的梯度信息作为引导信号，添加到扩散模型的去噪过程中。6) 损失函数包括扩散模型的标准损失函数，以及基于分类器引导信号的损失项。

📊 实验亮点

实验结果表明，DAGDiff在力闭合检查、碰撞分析和大规模物理模拟方面均优于现有方法。具体而言，DAGDiff在力闭合成功率方面比现有方法提高了约10%-20%，在碰撞避免方面也取得了显著的改善。此外，DAGDiff还能够在真实场景中成功抓取先前未见过的物体，验证了其泛化能力和实用性。

🎯 应用场景

DAGDiff在工业自动化、物流、家庭服务等领域具有广泛的应用前景。例如，在工业自动化中，可以用于机器人自动抓取和装配各种零件；在物流领域，可以用于机器人自动分拣和搬运货物；在家庭服务领域，可以用于机器人辅助完成各种家务任务。该研究的实际价值在于提高了双臂机器人的抓取能力和智能化水平，未来有望推动机器人技术在更多领域的应用。

📄 摘要（原文）

Reliable dual-arm grasping is essential for manipulating large and complex objects but remains a challenging problem due to stability, collision, and generalization requirements. Prior methods typically decompose the task into two independent grasp proposals, relying on region priors or heuristics that limit generalization and provide no principled guarantee of stability. We propose DAGDiff, an end-to-end framework that directly denoises to grasp pairs in the SE(3) x SE(3) space. Our key insight is that stability and collision can be enforced more effectively by guiding the diffusion process with classifier signals, rather than relying on explicit region detection or object priors. To this end, DAGDiff integrates geometry-, stability-, and collision-aware guidance terms that steer the generative process toward grasps that are physically valid and force-closure compliant. We comprehensively evaluate DAGDiff through analytical force-closure checks, collision analysis, and large-scale physics-based simulations, showing consistent improvements over previous work on these metrics. Finally, we demonstrate that our framework generates dual-arm grasps directly on real-world point clouds of previously unseen objects, which are executed on a heterogeneous dual-arm setup where two manipulators reliably grasp and lift them.