SeededGrasp：面向复杂场景与多种机器人形态的语言引导抓取

多伦多大学研究团队提出 SeededGrasp，将视觉语言模型的高层语义推理与轻量级抓取生成模型解耦：VLM 先根据语言任务和场景预测抓取种子点，再由后续模型完成几何抓取生成。团队发布包含超过 250 万个杂乱场景抓取标注的多形态数据集，并报告仿真成功率 72%、真实机器人成功率 78%。