CEDex

CEDex是一个大规模的跨具身灵巧抓取数据集，通过将机器人运动学模型与生成的人类接触表示对齐，连接人类抓取运动学和机器人运动学。该数据集包含500K个对象，涵盖四种夹爪类型，总计2000万次抓取动作。目前已发布真实世界对象集的抓取数据，包括来自ContactDB和YCB的对象，并将很快发布更大规模的合成对象抓取数据。

CEDex is a large-scale cross-embodied dexterous grasping dataset that bridges human grasping kinematics and robotic kinematics by aligning robotic kinematic models with generated human contact representations. This dataset encompasses 500,000 objects across four types of grippers, with a total of 20 million grasping trials. Currently, grasping data for real-world object sets has been released, including objects sourced from ContactDB and YCB, and larger-scale synthetic object grasping data will be released soon.

原始信息汇总

CEDex数据集概述

数据集基本信息

• 数据集名称: CEDex
• 研究论文: CEDex: Cross-Embodiment Dexterous Grasp Generation at Scale from Human-like Contact Representations
• 论文链接: https://arxiv.org/abs/2509.24661
• 项目页面: https://georgewuzy.github.io/cedex-website/

数据集规模

• 对象数量: 500K个对象
• 抓取总数: 20M个抓取
• 夹爪类型: 四种夹爪类型

数据集内容

已发布数据

• 真实世界对象抓取数据
  • 来源对象: ContactDB (https://contactdb.cc.gatech.edu/)
  • 来源对象: YCB (https://www.ycbbenchmarks.com/)

即将发布数据

• 合成对象抓取数据
  • 来源对象: Objaverse (https://objaverse.allenai.org/)

数据格式

• 文件格式: .pt文件
• 存储路径: cedex/{robot_name}.pt
• 数据字段:
  • q: 抓取配置
  • object_name: 对象名称
  • robot_name: 机器人名称

数据获取

• 下载地址: https://drive.google.com/file/d/1xmBV66SO-TjkREYTujh08QkucCWHYLxx/view?usp=sharing
• 存储位置: 解压至data/目录

使用说明

数据可视化

bash python vis_cedex.py --input_file cedex/allegro.pt

抓取验证

bash python eval_grasp.py --input_file cedex/allegro.pt --object_name ycb+055_baseball

相关依赖

• 基础环境: Python 3.8, Conda环境
• 深度学习框架: PyTorch 2.4.0
• 验证环境: Isaac Gym

引用信息

bibtex @article{wu2025cedex, title={CEDex: Cross-Embodiment Dexterous Grasp Generation at Scale from Human-like Contact Representations}, author={Wu, Zhiyuan and Potamias, Rolandos Alexandros and Zhang, Xuyang and Zhang, Zhongqun and Deng, Jiankang and Luo, Shan}, journal={arXiv preprint arXiv:2509.24661}, year={2025} }

联系方式

• 联系邮箱: [e-mail]

搜集汇总

数据集介绍

构建方式

在机器人抓取生成领域，CEDex数据集通过创新性地对齐机器人运动学模型与人类接触表征，构建了跨具身灵巧抓取的大规模数据资源。该数据集整合了ContactDB和YCB等真实物体数据库，并计划纳入Objaverse的合成物体，采用统一的人类接触表征映射方法生成四类夹爪的抓取姿态。数据生成流程通过几何匹配与运动学转换，将人类抓取行为转化为多指机械手的可行抓取配置，最终形成涵盖50万物体、2000万抓取姿态的异构数据集。

使用方法

研究人员可通过加载数据集中的标准化数据文件进行抓取分析与应用开发。数据集以`cedex/{robot_name}.pt`格式存储，支持通过专用手部模型接口调用抓取参数。用户可利用可视化脚本直观展示抓取姿态，或通过基于Isaac Gym的验证框架评估抓取稳定性。使用过程中需注意采用数据集配套的物体URDF文件以确保几何一致性，验证阶段还可启用多样性评估模式对抓取质量进行多维度量化分析。

背景与挑战

背景概述

在机器人灵巧抓取研究领域，跨形态抓取生成一直是制约通用机器人操作能力的关键瓶颈。CEDex数据集由伦敦国王学院、帝国理工学院及南开大学联合团队于2025年发布，通过构建人类抓取运动学与机器人运动学之间的表征对齐机制，开创性地建立了包含500万物体、覆盖四种夹爪类型、总量达2000万次抓取的跨形态灵巧抓取数据集。该数据集突破了传统抓取生成方法对特定机器人形态的依赖，为推进通用机器人操作系统的研发提供了重要基础支撑。

当前挑战

跨形态灵巧抓取领域面临的核心挑战在于如何建立统一表征框架以适配不同构型的机器人末端执行器，同时确保生成抓取姿态的物理可行性与稳定性。在数据集构建过程中，研究团队需要克服多源物体模型标准化、接触点映射一致性验证、以及大规模抓取姿态质量评估等关键技术难题。特别是针对真实物体与合成物体的异构数据融合，需解决几何特征提取精度与动力学仿真可信度之间的平衡问题。

常用场景

经典使用场景

在机器人灵巧抓取研究领域，CEDex数据集通过融合人类抓取运动学与机器人运动学模型，构建了跨具身抓取生成的标准化平台。该数据集包含四类夹爪在50万物体上生成的2000万次抓取记录，为机器人抓取策略的泛化性研究提供了大规模基准测试环境。研究者可基于统一的人类接触表征框架，系统评估不同机械结构在多样化物体上的抓取稳定性与适应性。

解决学术问题

该数据集有效解决了跨具身抓取研究中的语义对齐难题，通过人类接触表征的中间桥梁，弥合了不同机器人形态间的运动学差异。其规模化标注突破了传统抓取数据集在物体多样性与抓取姿态覆盖度的局限，为研究抓取策略的跨平台迁移性提供了理论验证基础。这种基于接触物理特性的表征方法，显著提升了抓取生成模型在未见物体与新型夹爪上的泛化能力。

实际应用

在工业自动化场景中，CEDex支持快速适配不同结构的机器人末端执行器，显著降低生产线换型时的抓取策略重新设计成本。服务机器人领域可借助该数据集实现通用化抓取策略部署，使单一算法能适应从精密仪器到日常物品的多样化抓取需求。其人类化接触表征还为仿生假肢的自然抓取动作生成提供了技术参照。

数据集最近研究

最新研究方向

在机器人灵巧抓取领域，CEDex数据集通过跨具身抓取生成技术开辟了新的研究路径。该数据集整合了人类抓取运动学与机器人运动学的对齐机制，构建了涵盖50万物体和2000万抓取姿态的大规模资源，显著推动了从仿真到真实场景的迁移学习研究。前沿探索聚焦于基于人类接触表征的多指抓取生成算法优化，结合ContactDB与YCB等真实物体库的验证框架，为具身智能在复杂环境中的适应性抓取提供了关键理论支撑。这一突破性工作正引发机器人操作范式的革新，促使研究者重新思考跨平台抓取策略的泛化能力与可扩展性。