腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

OpenClawPi与RTX 5090强强联合，实现99%抓取成功率，破解工厂AI视觉抓取落地难题

老板非要上AI视觉抓取，买了几万块的离线软件，结果现场光线一变、工件摆放角度一偏，识别率直接跳水。老张问我："现在的AI抓取，到底能不能在工厂里落地？还是都在实验室里自嗨？" 这问题问得好。【问题背景】传统的工业自动化抓取，基本靠"死规矩"。我们要么用昂贵的工装夹具硬卡位置，要么靠视觉定位打点做固定轨迹。核心痛点在于：如何在无需繁琐编程示教的前提下，让机器人对任意形状的物体实现高成功率的6D姿态估计与抓取？ 04 抓取逻辑实现最后一步，生成轨迹。这套流程跑通后，实测从识别到抓取规划，耗时在几百毫秒级别。

2026-04-14

4280

标签:

能抓取玻璃碎片、水下透明物，清华提出通用型透明物体抓取框架，成功率极高

该方法不仅具有极高的抓取成功率，还可以适应各种复杂场景下的透明物体抓取。研究现状透明物体的抓取是一项具有挑战性的任务，在抓取过程中除了需要检测物体的位置外，还应考虑抓取位置和角度。抓取框架我们将上述算法进行了整合，以完成不同场景下的透明物体抓取，这构成了我们视触融合框架的上层抓取策略。我们将一个抓取任务分解为三个子任务，即物体分类、抓取位置检测和抓取高度检测。其次，为了验证视觉 - 触觉融合抓取框架的有效性，我们设计了透明物体分类抓取实验和透明碎片抓取实验。考虑到视觉检测的局限性造成的抓取困难，该研究提出了一种与软抓手 TaTa 相结合的触觉校准方法，通过用触觉信息调整抓取位置来提高抓取成功率。与纯视觉抓取相比，该方法提高了 36.7％的抓取成功率。

2023-08-07

1.3K0

标签:

爬虫健康度看板：如何实时监控抓取成功率、响应时间与异常占比

我现在强制拆成两个：指标口径用途首包成功率first_attempt_success第一次请求就拿到预期结果的占比（不含任何重试）反映代理与目标站的真实健康度终态成功率final_success经过全部重试后最终成功的占比反映业务实际交付能力两者之差就是重试挽救率 self.conn.commit()@staticmethoddefmake_trace_config(bag:dict)->aiohttp.TraceConfig:"""构造aiohttp的埋点钩子，抓取分阶段耗时三项指标与代理参数的对应关系：看板指标核心决定参数抓取成功率IP池规模、IP纯净度、出口节点质量、切换模式响应时间与长尾线路质量（BGP专线）、调度时延、带宽上限异常占比结构IP有效时长、会话保持能力、实测汇总如下：健康度指标亿牛云爬虫代理青果网络快代理加权综合成功率（5类站点）97.20%（第1）96.10%93.10%严格反爬站点（E类）成功率92.8%（第1）89.5%83.5%中度反爬站点（C 从1并发提升至100并发，成功率仅下降1.5个百分点，100并发成功率保持在97.0%，能够应对业务高峰期的并发压力。IP去重率89.2%降低了异常占比。

2026-09-08

100

标签:

这个机器人太牛了，陌生物体抓取识别成功率高达100%

他们开发了一种“未知物体”的抓取算法，使机器人能够评估一堆随机物体，并确定在杂物中抓取或吸附物品的最佳方式，而不必在拾取物体之前了解物体。一旦它成功抓住了一件物品，机器人将它从箱子中取出。该团队的设计基于两项一般性操作：挑选 - 成功抓取对象的行为，以及感知 - 一旦掌握就识别和分类对象的能力。然后他们向机器人展示了哪些物体可以抓取，哪些是四种主要的抓取行为，哪些不是，将每个例子标记为成功或失败。他们为数百个例子做了标记，随着时间的推移，研究人员建立了一个挑选成功和失败的库。最终，该团队的机器人在使用吸力捡拾物体的成功率为54％，使用抓取的成功率为75％，并且能够以100％的精度识别新物体。机器人还在规定的时间内存放了所有20个物体。它可以获取有关何时成功和失败的信息，以及如何拿起或未能拿起物体的信息，希望它能使用这些信息给抓取带来反应性。”

2018-04-12

1.9K0

标签:

谷歌：深度学习算法QT-Opt应用于机器人抓取，成功率高达96%

然而，这项前期工作无法推断其行为的长期后果，而这些对学习如何抓取很重要。例如，如果多个对象聚集在一起，将其中一个分开（称为“分割”）将使得抓取更容易，即使这样做并不直接导致成功。 ? ? 为了将这种方法应用于机器人抓取，我们使用了7个真实世界中的机器人，为了引导收集，我们从手动设计的策略开始，15-30％的成功率。当数据收集开始表现更好时，切换到学习模型。从量化角度来看，QT-Opt方法在700次试验中抓住之前未见过的物体成功率为96％。而之前的基于监督学习的抓取方法成功率为78％，我们的方法将错误率降低了五倍以上。 ? ? 在评估时使用的对象。他们从QT-Opt的自我监督培训中自动出现，因为他们提高了模型的长期抓取成功率。 ? ? 学习行为的例子。在上图中，策略修正了移动的球。下图中，策略会尝试几次抓握，直到它成功找到这个棘手的物体。此外，我们发现QT-Opt使用较少的训练数据达到了较高的成功率，尽管会聚时间较长。这对于机器人技术来说尤其令人兴奋，因为瓶颈通常是收集真实的机器人数据，而不是训练时间。

2018-07-27

1.5K0

标签:

CoRL2018最佳论文：抓取新物体成功率96%的深度强化学习机械臂

这项研究取得了一项十分令人钦佩的成果：用端到端训练的强化学习系统控制真实机械臂抓取物体，只需要一个普通的彩色摄像头作为输入就可以在新物体的抓取中取得 96% 的成功率。比如，如果多个物体聚集在一起，先将它们中的一个分离出来（称作「单一化」），在进行抓取时会变得更加容易，但「单一化」这一步骤并不能直接导致抓取成功，而是有一个较为长期的成功率的提升。 ? ? 七个正在采集数据的机器人从定量的角度分析，QT-Opt 方法对于训练集没有出现过的物体的 700 次抓取尝试中，有 96% 的成功率。与之前的基于监督学习的抓取方法（成功率78%）相比，该方法将失败率降低了五倍以上。 ? 最重要的是，这些行为都不是手动设计的，它们都是通过 QT-Opt 进行自监督训练而自动学习到的，因为这些行为能够从长期的角度提高模型抓取的成功率。 ? ?

2018-12-11

2.8K0

标签:

如何提高AI落地的成功率 - 成功率函数

所以，AI 并非免费的午餐，初期的低成功率和成本增加是不可忽视的挑战。针对中国广大的传统企业，我们把 AI 落地成功率定义为一个函数： D - 数据可得性 (Data Availability，D) - 定义：数据的物理获取难度与语义解析难度的比值。以后每当面临抉择，判断要不要做这个 AI 项目的时候，就把它扔进成功率函数里算一下。低分，找死，避雷。一般分数，平庸的项目，看有没有数字资产积累。高分，完美猎物，全速推进。

2026-07-02

1610

标签:

哈佛大学造了12根“面条”，柔软抓取能屈能伸，成功率还挺高！

通俗易懂地来说，当机器人(机械臂)要完成一项抓取工作时，需要依次完成“位置确定”“信息反馈”“信息判断”“智能闪避”实现工作，并且在抓取过程中还要保证“稳”。这款新型的能够实现“柔软抓取”的触手机器人，通过充气和放气来控制，这意味着触手的内部是中空的，充气后172千帕的内部压强可以让“面条”高度卷曲，从一定程度上解决了沉重、不规则等物体的抓取难题。先尝试外部抓取横放的一个空心的圆柱（筒）。当圆柱立起从内部抓取也不在话下：‍ 咱就说，整个就是一个稳稳“拿捏住”。 ‍ 这次抓取任务有了新的难度，实验的对象是个铁架子，边界开始变的不规则： ‍ 实验结果显示，80次抓取测试的成功率超过90%。在研发团队增加了难度后（不让机器人从物体正上方直接抓取，往旁边偏移一段距离）发现，机器人的抓取成功率仍然居高不下。

大数据文摘

2023-04-10

5340

标签:

APS为什么成功率低？

APS为什么成功率低？在朋友圈，不少业内朋友说，还没有见到一个APS成功的案例。可能，这个说法绝对了。最近这些年我也接触了不少企业，实施了APS都失败了。系统管理软件实施落地困难，成功率低，首先不要在软件本身找问题。因为IT的更新换代速度远远超过工业管理理论和技术的进步。

2020-07-24

2K0

标签:

蜘蛛抓取策略分析：防止重复抓取

蜘蛛抓取策略分析：防止重复抓取 ---- 蜘蛛抓取策略分析：防止重复抓取前言: 不重复抓取？有很多初学者可能会觉得。爬虫不是有深度优先和广度优先两种抓取策略吗？也从而延伸出今天的这篇文章，不重复抓取策略，以说明在一定时间内的爬虫抓取是有这样规则的。正文: 回归正题，不重复抓取，就需要去判断是否重复。当然爬取（理解为发现链接）与抓取（理解为抓取网页）是同步进行的。一个发现了就告诉了另外一个，然后前面的继续爬，后面的继续抓。抓取完了就存起来，并标记上，如上图，我们发现第2条记录和第6条记录是重复的。那么当爬虫抓取第二条后，又爬取到了第6条就发现这条信息已经抓取过了，那么就不再抓取了。爬虫不是尽可能抓更多的东西吗？而本身搜索引擎的爬取和抓取都是需要执行一段代码或一个函数。执行一次就代表着要耗费一丁点资源。如果抓取的重复量级达到百亿级别又会让爬虫做多少的无用功？耗费搜索引擎多大的成本？

小狐狸说事

2022-11-17

1.2K0

标签:

腾讯云开发者社区