GraspMeanFlow: SE(3)-Equivariant MeanFlow for Few-Step 6-DoF Grasp Generation

📄 arXiv: 2608.03295v1 📥 PDF

作者: Jiyong Kwon, Yikun Bai, Amirhossein Mollaali, Guang Lin

分类: cs.RO

发布日期: 2026-08-04

💡 一句话要点

提出GraspMeanFlow以解决实时6自由度抓取生成问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 6自由度抓取 SE(3)-等变 流模型 机器人抓取 实时操作 数据驱动方法 平均速度学习 点云处理

📋 核心要点

  1. 现有的6自由度抓取生成方法依赖于迭代数值积分，导致实时操作中的性能瓶颈。
  2. GraspMeanFlow通过学习有限时间内的平均速度，减少了函数评估次数，实现了高效的抓取生成。
  3. 实验结果显示，GraspMeanFlow在少步情况下显著提高了抓取成功率，且性能优于传统方法。

📝 摘要（中文）

近年来，基于数据驱动的方法用于合成6自由度抓取姿态，利用生成模型学习复杂的抓取姿态分布并生成多样的候选姿态。特别是，SE(3)-等变流模型生成的抓取姿态与物体的旋转和位移一致。然而，这些方法通过迭代数值积分进行采样，每个抓取需要数十次函数评估，限制了其在实时操作中的应用。我们提出了GraspMeanFlow，一个用于少步6自由度抓取生成的SE(3)-等变MeanFlow框架。该方法学习在有限时间间隔内的平均速度，通过时间有序指数定义，以精确再现该时间间隔内累积的刚体位移。我们证明了通过等变平均速度流图传输的点云条件分布保持不变，因此在少步采样下保持等变性，并通过将两个时间提升为等变向量来对场进行条件化，保持主干网络不变。实验表明，GraspMeanFlow的单次函数评估达到了迭代SE(3)流模型需要五步才能接近的EMD，且同一框架的第二个实例在少步情况下提高了抓取成功率高达24.3个百分点。

🔬 方法详解

问题定义：本论文旨在解决现有6自由度抓取生成方法在实时应用中因迭代数值积分导致的效率低下问题。现有方法需要多次函数评估，限制了其在动态环境中的应用。

核心思路：GraspMeanFlow的核心思想是通过学习在有限时间间隔内的平均速度，利用时间有序指数来精确再现刚体位移，从而实现高效的抓取姿态生成。

技术框架：该方法的整体架构包括一个SE(3)-等变的MeanFlow框架，主要模块包括条件化的点云分布、平均速度流图以及损失函数设计。通过将时间提升为等变向量，保持了主干网络的稳定性。

关键创新：最重要的技术创新在于证明了通过等变平均速度流图传输的点云条件分布保持不变，从而在少步采样下保持了等变性。这一特性使得抓取生成更加高效且准确。

关键设计：在损失函数设计上，结合了流匹配边界项和一致性项，后者可以是需要雅可比-向量积的微分MeanFlow恒等式或避免该需求的等效半群损失，确保了训练的稳定性。实验中，单次函数评估的效率显著提升。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，GraspMeanFlow的单次函数评估达到了迭代SE(3)流模型需要五步才能接近的EMD，且同一框架的第二个实例在少步情况下提高了抓取成功率高达24.3个百分点，显示出显著的性能提升。

🎯 应用场景

GraspMeanFlow的研究成果在机器人抓取、自动化装配和人机协作等领域具有广泛的应用潜力。其高效的抓取生成能力能够提升机器人在动态环境中的操作能力，促进智能制造和服务机器人技术的发展。

📄 摘要（原文）

Recent data-driven methods for synthesizing 6-DoF grasp poses use generative models to learn complex grasp pose distributions and generate diverse candidate poses. In particular, SE(3)-equivariant flow-based models generate grasp poses that transform consistently with object rotations and translations. However, these methods sample by iterative numerical integration, requiring tens of function evaluations per grasp and limiting their use in real-time manipulation. We propose GraspMeanFlow, an SE(3)-equivariant MeanFlow framework for few-step 6-DoF grasp generation. Our method learns the average velocity over a finite time interval, defined through the time-ordered exponential so that it reproduces exactly the rigid-body displacement accumulated over that interval. We prove that a point-cloud-conditioned distribution transported by an equivariant average-velocity flow map remains invariant, so equivariance is retained under few-step sampling, and we condition the field on a pair of times by lifting both to equivariant vectors, leaving the backbone otherwise unchanged. For stable training, we pair a flow-matching boundary term with either of two consistency terms: the differential MeanFlow identity, whose target requires a Jacobian-vector product, or an equivalent semigroup loss that avoids it. Experiments on ACRONYM show that a single function evaluation of GraspMeanFlow reaches the EMD that an iterative SE(3) flow model needs five steps to approach, that a second instantiation of the same framework improves grasp success by up to 24.3 points in the few-step regime, and that both generate grasp distributions transforming exactly with the object.