# TGrasp6D lyckas med 94 % av uppgiftsstyrda robotgrepp

> ArXiv-artikeln beskriver ett system som använder en uppgift och en RGB-D-bild för att planera ett grepp med sex frihetsgrader, och visar hur det fungerar på en riktig robot.

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

Forskarna presenterar TGrasp6D, ett system som använder en uppgiftsbeskrivning och en enda RGB-D-bild – en färgbild kombinerad med djupdata – för att välja hur en robot ska greppa ett föremål. Systemet kan till exempel välja knivens skaft vid skärning eller se till att skaftet är fritt när kniven ska räckas över.

Artikeln rapporterar en framgångsgrad på 94 % på datamängden TaskGrasp, jämfört med 74 % för den bästa jämförelsemetoden. Forskarna demonstrerade också metoden med verkliga föremål på en Franka Research 3-robot. I sammanfattningen anges inte hur många försök som gjordes eller om systemet testades oberoende.

## Fakta

- Artikeln rapporterar 94 % framgång på TaskGrasp; den bästa jämförelsemetoden fick 74 %.
- Artikeln publicerades på arXiv den 16 oktober 2026.

## Varför det spelar roll

För robotikforskare tyder resultaten på att uppgiftsbeskrivningar och en enda djupbild kan hjälpa robotar att välja grepp utan att behöva förlita sig på en handmärkt datamängd för varje kombination av uppgift och föremål. Det är inte fastställt hur systemet presterar utanför de redovisade testerna.

## Källor och referenser

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

Senast uppdaterad: 2026-10-16