2. 机器人抓取基础：抓取分类、质量度量与经典规划方法
各位同学，欢迎来到第二章。上一章我们聊了抓取问题的整体框架，今天咱们要扎进一个更核心的话题——抓取分类、质量度量，以及经典规划方法。
说实话，我刚开始做抓取的时候，觉得只要把夹爪对准物体、一捏就完事了。结果呢？要么抓不稳，要么把东西捏碎。后来才明白，抓取这件事，背后有一套严谨的力学和几何逻辑。今天我就把这些年踩过的坑和总结的经验，掰开了讲给你们听。
2.1 抓取分类：力闭合与形闭合
抓取分类，说白了就是回答一个问题：你凭什么能抓住这个物体？
学术界和工业界最常用的两个概念，就是力闭合和形闭合。它们描述的是抓取稳定性的两种不同机制。
2.1.1 力闭合
力闭合，指的是依靠接触点之间的摩擦力来抵抗外力。夹爪施加的法向力通过摩擦锥转化为切向力，从而约束物体的运动。
我举个例子。你用两根手指捏住一个杯子，手指和杯子之间是有摩擦的。只要摩擦力足够，杯子就不会滑落。这就是力闭合的典型场景。
力闭合的关键条件：
- 接触点数量通常为2-4个
- 每个接触点必须位于摩擦锥内
- 所有接触力的合力与合力矩必须能平衡任意方向的外力
核心要点：力闭合不要求完全包围物体，但要求摩擦力足够大。说白了，它是“软约束”下的稳定。
2.1.2 形闭合
形闭合，则是一种更“硬核”的约束。它依靠夹爪或夹具的几何形状，从物理上限制物体的运动自由度。即使没有摩擦力，物体也无法逃脱。
你想想看，一个球被放在碗里，碗的曲面从各个方向限制了球的移动。这就是形闭合。再比如，一个六面体被六个面完全包围，它哪儿也去不了。
形闭合的数学定义比较严格：
- 接触点的数量至少为4（在平面问题中）或7（在空间问题中）
- 接触点的位置必须能生成一个正线性组合的力旋量空间，覆盖所有可能的外力方向
- 不需要依赖摩擦力
注意：形闭合虽然稳定，但对物体形状和夹爪构型要求很高。我曾经在一个项目中试图用形闭合抓取一个不规则铸件，结果发现需要定制一套非常复杂的夹具，成本直接翻了三倍。后来改用力闭合+吸盘组合，问题就解决了。
2.1.3 力闭合 vs 形闭合：一张表说清楚
| 对比维度 | 力闭合 | 形闭合 |
|---|---|---|
| 依赖条件 | 摩擦力 | 几何约束 |
| 最小接触点数 | 2（平面）/ 3（空间） | 4（平面）/ 7（空间） |
| 稳定性来源 | 摩擦锥内的力平衡 | 物理包围 |
| 适用场景 | 规则表面、高摩擦材质 | 不规则形状、低摩擦表面 |
| 典型夹爪 | 二指平行夹爪 | 多指手、定制夹具 |
2.2 抓取质量度量
好，现在你知道怎么分类了。但下一个问题来了：怎么评价一个抓取好不好？
这就引出了抓取质量度量。我个人习惯把度量指标分成三类：力学度量、几何度量和任务度量。
2.2.1 力学度量
力学度量关注的是抓取能抵抗多大的外力。最经典的指标是最小抵抗外力和力旋量椭球体积。
- 最小抵抗外力：在所有可能的外力方向中，抓取能抵抗的最小值。这个值越大，抓取越稳定。
- 力旋量椭球体积：描述抓取能产生的力/力矩空间的大小。体积越大，说明抓取能应对更多方向的外力。
我的经验：在实际项目中，我很少单独看力旋量椭球体积。因为它对接触点位置非常敏感，稍微偏移一点，体积就变了。我更倾向于用“最小抵抗外力”加上一个安全系数，这样更可靠。
2.2.2 几何度量
几何度量关注的是接触点在物体表面的分布情况。常用的有：
- 接触点距离：接触点之间的距离越大，抓取越稳定。想象一下，你捏一个长条物体，捏两端比捏中间稳得多。
- 接触点与质心的关系：接触点形成的多边形应该尽量包围质心。质心投影在多边形内部，抓取才不容易翻转。
2.2.3 任务度量
这个是我后来才重视的。任务度量考虑的是：这个抓取是否适合后续的操作？
比如，你要抓一个螺丝刀去拧螺丝。如果抓取位置在螺丝刀的头部，虽然很稳，但你没法用。所以，任务度量会评估抓取是否遮挡了工具的工作区域，是否便于后续运动规划。
2.3 经典抓取规划方法
有了分类和度量，接下来就是怎么规划抓取了。我按时间线给大家梳理一下经典方法。
2.3.1 基于几何的方法
这是最早的方法。核心思想是：在物体表面找一对或多对平行面，然后让夹爪沿着法线方向接近。
我记得在2015年做的一个项目中，我们用的就是这种方法。算法很简单：先计算物体的包围盒，然后找到最长边，在最长边的两个平行面上生成抓取点。
优点：速度快，适合简单形状。缺点：对复杂形状无能为力。
2.3.2 基于采样的方法
后来大家发现，几何方法太死板了。于是有了基于采样的方法。流程是这样的：
- 在物体表面随机采样接触点对
- 对每个采样点对，计算抓取质量度量
- 筛选出质量高的抓取
- 对候选抓取进行碰撞检测和运动学可行性检查
关键点：采样方法的好坏，很大程度上取决于度量函数的设计。我见过很多团队花大量时间优化采样策略，但度量函数却用最简单的“接触点距离”，结果效果很差。度量函数才是核心。
2.3.3 基于学习的方法
最近五年，基于学习的方法成了主流。特别是抓取检测网络，比如GG-CNN、GraspNet等。它们直接从RGB-D图像中预测抓取位姿。
但我要提醒大家：学习方法的泛化性仍然是个问题。我在一个项目中尝试用预训练模型抓取一种新型号的工业零件，结果成功率只有40%。后来我们混合了基于采样的方法做后处理，才把成功率提升到85%。
2.4 知识体系总览
下面这张图，我把本章的核心逻辑画出来了。你可以把它当作一个思维导图来用。
2.5 本章小结
好了，这一章的内容就到这里。我带你走了一遍抓取基础的核心脉络：
- 力闭合 vs 形闭合——两种不同的稳定机制，选哪个取决于你的物体和任务
- 质量度量——力学、几何、任务三个维度，缺一不可
- 经典规划方法——从几何到采样再到学习，各有优劣
说实话，这些基础概念看起来简单，但真正用好它们，需要大量的实践。我建议你在做项目时，先花时间把抓取分类和度量搞清楚，再去调算法。否则，你可能会在错误的路上越走越远。