KAIST Nonprehensile Objects

该数据集由韩国科学技术院（KAIST）的研究团队创建，旨在通过深度强化学习实现非抓取式操作任务的零样本仿真到现实迁移。数据集包含多个任务，涉及在复杂环境中通过接触模式转换和环境交互来操纵物体。数据集内容包括仿真环境中的物体初始姿态、目标姿态、操作动作序列以及对应的视觉和本体感知数据。数据集的创建过程结合了深度强化学习算法，通过预接触和后接触策略分解，优化了探索效率和仿真到现实的迁移能力。其应用领域主要集中在解决机器人在抓取受限情况下的物体操纵问题，使机器人能够利用简单的夹爪和RGB相机完成复杂任务。