机器人抓取与操作学习有哪些关键问题？

典型抓取流水线

经典做法分阶段：用 RGBD/点云做物体位姿估计 → 抓取位姿检测（如 GraspNet 在点云上预测可行抓取位姿和质量分）→ 运动规划求无碰撞轨迹 → 执行时用力控/触觉反馈稳定抓取。

关键难点

• 泛化：要在未见物体、杂乱堆叠、新场景下可靠抓取，而非只在训练物体上。
• 接触动力学：抓取/插入/推动涉及摩擦、形变、滑动，难精确建模，对扰动敏感。
• 感知误差：遮挡、透明/反光物体导致点云与位姿估计不准，误差直接传到抓取。

方法谱系

从解析式（基于几何与力闭合的抓取规划）到数据驱动（学习抓取检测）；近年端到端模仿学习与扩散策略直接从观测生成操作动作序列，对接触丰富的灵巧操作更有优势。