6-DoF 抓取合成的持续学习框架：通过经验与演示适应新场景

本文提出一种单视角 6-DoF 并行夹爪抓取的持续学习框架，在嵌入空间通过记忆更新抓取评分，并可选召回用户演示作为新场景的候选抓取。仿真与 1500 次真实抓取实验表明，该方法在适应前已达到现有基线水平，对训练未见类别持续改进且遗忘有限；真实场景中仅 50 次在线尝试即可在多个难例类别上超过 90% 成功率。代码与视频已公开，论文被 CoRL 2026 接收。