GraspTune: Tactile-Driven Execution Refinement for Robust Grasping

📄 arXiv: 2609.24180v1 📥 PDF

作者: Juntao Li, Xingke Xia, Sichao Liu, Daqiang Guo

分类: cs.RO

发布日期: 2026-09-21

💡 一句话要点

提出GraspTune以解决稳定抓取执行阶段挑战

🎯 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: 触觉驱动 抓取优化 机器人抓取 多任务学习 闭环执行

📋 核心要点

  1. 现有的视觉抓取提案在执行阶段面临将提案转化为稳定抓取的挑战，导致抓取成功率低。
  2. GraspTune通过触觉信号和状态历史学习接触语义，应用有界残差运动来优化抓取执行过程。
  3. 在超过60,000次模拟实验中，GraspTune显著提升了抓取成功率，并在真实机器人实验中验证了其有效性。

📝 摘要（中文）

视觉抓取提案生成已经取得了快速进展，但将选定的提案转化为稳定的物理抓取仍然是一个核心的执行阶段挑战。本文提出了GraspTune，一个基于触觉驱动的执行阶段精细化框架，从一个名义提案开始，在接近、接触形成和最终抓取执行过程中应用有界的残差TCP运动。GraspTune通过状态条件的专家接触查询和多任务监督学习控制面接触语义，涵盖接触变化、接触风险和闭合后准备情况。在超过60,000次模拟执行中，GraspTune在四个提案生成器上提升了稳定抓取成功率，且在真实机器人实验中验证了其有效性。

🔬 方法详解

问题定义：本文旨在解决从视觉抓取提案到稳定物理抓取的执行阶段挑战。现有方法在抓取执行时缺乏对接触变化和风险的有效处理，导致抓取成功率低下。

核心思路：GraspTune的核心思路是利用触觉信号和状态历史信息，通过学习接触语义来优化抓取执行。该方法在接近和接触形成阶段应用有界的残差TCP运动，以提高抓取的稳定性。

技术框架：GraspTune的整体架构包括提案生成、触觉信号处理、接触语义学习和闭环执行四个主要模块。首先生成抓取提案，然后通过触觉信号和状态信息进行接触语义的学习，最后在执行阶段应用优化策略。

关键创新：GraspTune的主要创新在于结合触觉信号和状态条件的专家接触查询，提升了接触变化和风险的处理能力。这种方法与传统的视觉驱动抓取方法相比，显著提高了抓取的稳定性和成功率。

关键设计：在设计中，GraspTune使用了多任务监督学习来优化接触变化、接触风险和闭合后准备情况的损失函数，并采用了与PPO算法对齐的扩散预训练残差策略，以实现闭环执行。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在超过60,000次模拟执行中，GraspTune在四个提案生成器上分别提升了稳定抓取成功率19.22、9.55、12.45和20.70个百分点。在真实机器人实验中，GraspNet的执行成功率从71.0%提升至84.3%，验证了该方法的有效性和可转移性。

🎯 应用场景

GraspTune的研究成果在机器人抓取和接触丰富的操作中具有广泛的应用潜力，能够提高机器人在复杂环境中的抓取能力。该技术可应用于自动化仓储、服务机器人以及人机协作等领域，推动智能机器人在实际场景中的应用和发展。

📄 摘要（原文）

Visual grasp proposal generation has advanced rapidly, yet converting a selected proposal into a stable physical grasp remains a central execution-stage challenge. This paper introduces GraspTune, a tactile-driven execution-stage refinement framework that starts from a nominal proposal and applies bounded residual TCP motions during approach, contact formation, and final grasp execution. GraspTune learns control-facing contact semantics from local depth, tactile signals, state, and history using state-conditioned expert contact queries and multi-task supervision for contact change, contact risk, and post-close readiness. The representation conditions a diffusion-pretrained residual policy and is aligned with PPO for closed-loop execution. Across more than 60,000 simulated executions over 20 object categories, GraspTune establishes an execution-layer benefit across four proposal generators, raising stable grasp success by +19.22, +9.55, +12.45, and +20.70 percentage points for GraspNet, Contact-GraspNet, AnyGrasp, and VGN. A four-fold held-out category study raises unseen-object execution from 54.58% to 70.33%, showing category-disjoint generalization of contact correction. Across more than 1,000 real-robot trials on a UR5e setup with Xense fingertip sensors, GraspTune raises GraspNet execution from 71.0% to 84.3%, validating direct transfer without realworld policy fine-tuning. Together, these results turn visually plausible proposals into stable physical grasps for downstream contact-rich manipulation. A supplementary video is available at https://youtu.be/kcq7fSLNtzU.