# موفقیت ۹۴درصدی TGrasp6D در گرفتن هدفمند اشیا

> مقاله‌ای در arXiv سامانه‌ای را معرفی می‌کند که با دریافت یک دستور و یک تصویر RGB-D، گرفتن شیء با شش درجه آزادی را برنامه‌ریزی می‌کند و آن را روی ربات واقعی هم به نمایش می‌گذارد.

Oossa · 2026-10-16 · https://oossa.com/fa/tgrasp6d-reports-94-success-in-task-oriented-robot-grasping

پژوهشگران TGrasp6D را معرفی کرده‌اند؛ سامانه‌ای که با استفاده از شرح یک وظیفه و یک تصویر RGB-D ــ تصویری رنگی همراه با داده‌های عمق ــ تعیین می‌کند ربات چگونه شیئی را بگیرد. برای نمونه، ممکن است برای بریدن، گرفتن دسته چاقو را ترجیح دهد یا هنگام تحویل دادن آن، دسته را آزاد بگذارد.

در مقاله، میزان موفقیت این روش در مجموعه‌داده TaskGrasp برابر با ۹۴ درصد گزارش شده است؛ درحالی‌که بهترین روش پایه به ۷۴ درصد رسیده است. گروه پژوهشی همچنین این روش را با اشیای دنیای واقعی روی ربات Franka Research 3 به نمایش گذاشت؛ اما چکیده مقاله جزئیاتی درباره تعداد آزمایش‌ها یا ارزیابی مستقل ارائه نمی‌کند.

## حقایق

- مقاله میزان موفقیت TGrasp6D در TaskGrasp را ۹۴ درصد گزارش می‌کند؛ بهترین روش پایه امتیاز ۷۴ درصد را به دست آورده است.
- مقاله در ۱۶ اکتبر ۲۰۲۶ در arXiv منتشر شد.

## چرا مهم است

برای پژوهشگران رباتیک، نتایج گزارش‌شده نشان می‌دهد که شرح وظیفه و یک تصویر عمق می‌تواند به ربات‌ها کمک کند تا بدون نیاز به مجموعه‌داده‌ای با برچسب‌گذاری دستی برای هر جفتِ وظیفه و شیء، نحوه گرفتن اشیا را انتخاب کنند؛ عملکرد این روش فراتر از آزمایش‌های گزارش‌شده در این مقاله مشخص نیست.

## منابع و ارجاع‌ها

1. [TGrasp6D: Task-Informed Vision-Language Priors and Pose Refinement enable Zero-Shot Task-Oriented 6DoF Grasping](https://arxiv.org/abs/2610.20901) – arXiv cs.RO, 2026-10-16

آخرین به‌روزرسانی: 2026-10-16