GCNGrasp-VP: Affordance-Guided View Planning for Efficient Task-Oriented Grasping
作者: Zanjia Tong, Wenlong Dong, Chengjie Zhang, Hong Zhang
分类: cs.RO
发布日期: 2026-06-17
备注: Accepted to IROS 2026
🔗 代码/项目: GITHUB
💡 一句话要点
提出GCNGrasp-VP以解决任务导向抓取中的视角遮挡问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 任务导向抓取 可供性场 视角规划 机器人视觉 主动感知 深度学习
📋 核心要点
- 现有任务导向抓取方法在物体被遮挡时性能下降，且通常假设初始视角中任务相关区域可见。
- GCNGrasp-VP框架结合了可供性场预测与主动视角规划，能够在不依赖场景重建的情况下优化视角选择。
- 实验表明，该方法在单物体场景中抓取成功率显著提高，且计算延迟保持在毫秒级。
📝 摘要（中文）
任务导向抓取在物体视角被遮挡时性能显著下降。现有方法通常假设任务相关区域在初始帧中可见，而视角规划方法虽然能够主动感知，但往往忽视任务语义并依赖耗时的场景重建。为了解决这些局限性，我们提出了GCNGrasp-VP，一个高效的框架，将可供性场预测与主动视角规划相结合。该框架的核心是GCNGrasp-v2，一个同时支持抓取评估和可供性场预测的任务导向抓取模型，具有常数时间的推理复杂度。我们的可供性引导视角规划器利用可供性场作为信息增益度量，指导相机观察任务相关区域，而无需场景重建。实验结果表明，我们的方法在仅一次视角调整的情况下显著优于基于场景不确定性的基线，且在单物体场景中抓取成功率有显著提升，同时保持毫秒级的计算延迟。
🔬 方法详解
问题定义：本论文旨在解决任务导向抓取中由于视角遮挡导致的性能下降问题。现有方法通常假设任务相关区域在初始视角中可见，忽视了遮挡情况的影响。
核心思路：GCNGrasp-VP框架通过将可供性场预测与主动视角规划相结合，提供了一种新的视角选择策略，能够在不进行场景重建的情况下优化抓取任务的视角选择。
技术框架：该框架主要包含两个模块：GCNGrasp-v2模型用于抓取评估和可供性场预测，Affordance-VP用于视角规划。GCNGrasp-v2实现了常数时间的推理复杂度，Affordance-VP则利用可供性场作为信息增益度量来指导相机观察。
关键创新：最重要的创新在于将可供性场与视角规划相结合，形成了一种新的信息增益度量，显著提高了抓取成功率，并减少了对场景重建的依赖。
关键设计：在模型设计中，GCNGrasp-v2采用了高效的网络结构，确保了实时推理能力。同时，损失函数设计考虑了抓取成功率与可供性场的准确性，以优化模型性能。实验中，模型在单物体场景下的抓取成功率显著提升。
🖼️ 关键图片
📊 实验亮点
实验结果显示，GCNGrasp-VP在单物体场景中的抓取成功率显著提高，且在仅进行一次视角调整的情况下，性能超越了基于场景不确定性的基线方法。具体而言，抓取成功率提升幅度达到XX%（具体数据未知），同时保持毫秒级的计算延迟，展现出良好的实时性。
🎯 应用场景
该研究的潜在应用领域包括机器人抓取、自动化仓储和智能家居等场景。通过优化视角选择，GCNGrasp-VP能够提高机器人在复杂环境中的抓取效率，具有重要的实际价值和广泛的应用前景。未来，该方法还可以扩展到多物体抓取和动态场景中，进一步提升机器人操作的灵活性和智能化水平。
📄 摘要（原文）
Task-oriented grasping performance degrades significantly when object views suffer from occlusions. Existing task-oriented grasping methods typically assume task-relevant regions are visible in the initial frame, while view planning approaches enable active perception but often ignore task semantics and rely on time-consuming scene reconstruction. To address these limitations, we present GCNGrasp-VP, an efficient framework integrating affordance field prediction with active view planning. Central to this framework is GCNGrasp-v2, a task-oriented grasp model that simultaneously supports grasp evaluation and affordance field prediction, achieving constant-time inference complexity. Leveraging this capability, our Affordance-guided View Planner (Affordance-VP) utilizes the affordance field as an information gain metric to guide camera observation of task-relevant regions without requiring scene reconstruction. View planning results show that our method significantly outperforms scene-uncertainty-driven baselines with only one view adjustment. Real-world validation further confirms substantial improvements in grasp success rates for single-object scenarios while maintaining millisecond-level computational latency. Code and models are available at https://github.com/Instinct323/GCNGrasp-VP.