Fast Generative Grasping via Lie Group-Constrained MeanFlow
作者: S. Talha Bukhari, Yi Wei, Ruiqi Ni, Zachary Kingston, Aniket Bera
分类: cs.RO
发布日期: 2026-08-26
💡 一句话要点
提出基于李群约束的MeanFlow方法以实现快速生成抓取
🎯 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) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 生成式抓取 李群约束 深度学习 机器人操作 实时推理 鲁棒性 抓取合成
📋 核心要点
- 现有的生成式抓取方法在多步采样上存在时间延迟，难以满足机器人实时操作的需求。
- 本文提出了一种基于李群的MeanFlow方法，通过结合代数半群一致性条件与黎曼条件流匹配，快速生成抓取。
- 实验结果表明，该方法在ACRONYM数据集上与最先进的模型相当，且推理速度提升可达39倍，适用于真实场景。
📝 摘要（中文）
抓取合成是机器人操作中的核心任务，通常形成多模态分布而非点估计。生成式机器人抓取旨在利用深度生成模型学习这一分布。现有的生成模型虽然灵活，但多步采样限制了其在机器人中的实时应用。本文提出了一种基于李群的MeanFlow方法，能够在不超过5次网络评估的情况下，快速生成可靠的抓取，且在毫秒级推理延迟下与最先进的模型表现相当，速度提升可达39倍。该方法无需额外训练或领域适应，能够直接应用于真实世界的机器人抓取任务，展现出在观测噪声下的鲁棒性。
🔬 方法详解
问题定义：本文旨在解决机器人抓取合成中的时间延迟问题，现有生成模型在多步采样时无法满足实时性需求，限制了其在实际应用中的有效性。
核心思路：提出基于李群的MeanFlow方法，通过将抓取生成过程约束在李群上，结合代数和黎曼流匹配，快速生成可靠抓取。这样的设计使得生成过程更高效且符合物理约束。
技术框架：整体架构包括数据采集、模型训练和抓取生成三个主要阶段。首先，通过数据集获取抓取样本；其次，利用李群约束训练生成模型；最后，通过少量网络评估生成抓取。
关键创新：最重要的创新在于将生成模型的训练与李群约束结合，显著提升了抓取生成的速度和可靠性。这一方法与传统的多步采样生成模型形成鲜明对比。
关键设计：在损失函数设计上，结合了代数一致性条件与流匹配损失，确保生成的抓取符合数据分布。此外，网络结构采用了适应李群特性的设计，以提高生成效率。
🖼️ 关键图片
📊 实验亮点
实验结果显示，基于李群的MeanFlow方法在ACRONYM数据集上能够在不超过5次网络评估的情况下生成抓取，推理延迟可达毫秒级，相比于现有的扩散和流模型，速度提升高达39倍，展现出优越的性能和实用性。
🎯 应用场景
该研究的潜在应用领域包括工业机器人、服务机器人及医疗机器人等，能够在实时抓取任务中提供高效、可靠的解决方案。其实际价值在于提升机器人在动态环境中的操作能力，未来可能推动智能机器人在更多复杂场景中的应用。
📄 摘要（原文）
Grasp synthesis is a core task in robotic manipulation, for which the solution typically forms a multimodal distribution rather than a point estimate. Generative robotic grasping aims to learn this distribution with deep generative models such as diffusion and flow-based approaches. The iterative nature of such generative models makes them flexible and generalizable; however, multi-step sampling impedes the time-critical operation required in robotics. We devise an approach to fast generative grasping based on MeanFlow on the product Lie group $\mathcal{G} = \mathrm{SO}(3) \times \mathbb{R}^3$. The training objective couples a purely algebraic semigroup consistency condition with Riemannian Conditional Flow Matching on $\mathcal{G}$ that anchors the average velocity to the data distribution. The resulting Lie Group-constrained MeanFlow formulation samples reliable grasps in $\leq 5$ network evaluations, matching the grasp generation performance of state-of-the-art diffusion and flow-based models on the ACRONYM dataset at millisecond-scale inference latency (up to $39\times$ speed-up). We further demonstrate that the approach directly translates to real-world robotic grasping without additional training or domain adaptation, exhibiting robust grasp synthesis under observation noise.