加州大学伯克利分校 发布 REPLAB Grasping Dataset 数据集, 应用在 机器人抓取、机器学习 领域

加州大学伯克利分校 本次发布的数据集 REPLAB Grasping Dataset, REPLAB Grasping Dataset是由加州大学伯克利分校创建的一个用于评估机器人抓取学习算法的数据集。该数据集包含超过92,000次随机抓取尝试的记录，这些尝试是在两个REPLAB平台上并行收集的，每天每个平台约收集2,500次尝试。数据集的创建过程涉及在不同光照条件下使用DBSCAN算法对3D点云进行聚类，以识别对象并随机选择集群进行抓取。该数据集主要应用于机器人抓取任务的评估，旨在通过标准化硬件平台和数据集，推动机器人学习领域的研究进展，降低研究门槛，并促进算法的可重复性和可比较性。

查看REPLAB Grasping Dataset

关于 加州大学伯克利分校 , 加州大学伯克利分校是一所位于美国加州的世界顶级公立研究型大学，以其在科研和创新领域的卓越成就闻名于世。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。