能科技（南京）有限公司2023-08-24

早期的方法假設要抓取的對象被放置在一個背景簡單的干凈環境中，從而簡化了對象定位任務，而在相對復雜的環境中，它們的能力相當有限。一些目標檢測方法利用機器學習方法對基于手工二維描述符的分類器進行訓練。但是，由于手工創建的描述符的限制，這些分類器的性能有限。近年來，深度學習已經開始主導圖像相關的任務，如目標檢測和分割。此外，從RGB圖像到深度圖像的訓練數據，以及二維或三維輸入的深度學習網絡，極大地提高了目標定位的性能，促進了機器人抓取技術的發展。利用目標物的位置，可以進行抓取檢測。早期的分析方法是直接分析輸入數據的幾何結構，根據力閉合或形狀閉合來尋找合適的抓取點。然而，分析方法存在著費時、計算困難等問題。隨后，隨著大量三維模型的出現，可以分析數據驅動的方法，將三維模型數據庫中的抓取轉移到目標對象。

本回答由 能科技（南京）有限公司 提供