一、课程导论与场景定义：什么是复杂场景？

大家好，欢迎来到《复杂场景下的机器人抓取策略》这门课。

先聊个实在的。你想想看，为什么现在工厂里那么多机械臂，真正敢说「随便抓」的却没几个？

我入行那会儿，接过一个项目——客户要求机械臂从料筐里抓取刹车盘。筐子里的零件东倒西歪，有的还叠在一起。我当时心想，这不就是 pick and place 嘛，能有多难？结果一上手就栽了跟头。抓取成功率不到 60%，还经常把零件碰飞。

嗯，从那天起我就明白了：「抓」这个动作，远没有看上去那么简单。

1.1 什么是「复杂场景」？

说白了，复杂场景就是那些让传统「示教-再现」模式彻底失效的工况。

我习惯把复杂场景拆成三个维度来看：

• 环境不确定性——光照变化、背景杂乱、目标被遮挡
• 物体不确定性——形状不规则、材质反光/透明、位姿随机
• 任务不确定性——抓取顺序动态变化、避障路径实时规划

举个例子。你让机器人在传送带上抓一个固定朝向的纸箱，这不叫复杂。但如果你让它从一堆混放的螺丝、螺母、垫圈里挑出 M6 的螺栓，而且每个螺栓的朝向都不一样——嗯，这才是我们这门课要解决的问题。

1.2 抓取策略的核心挑战

我这些年踩过的坑，总结下来，核心挑战就四个字：感知、规划、控制、容错。

挑战维度	具体问题	我见过的翻车现场
感知	点云缺失、深度噪声、反光/透明物体检测失败	有一次透明亚克力工件，深度相机直接当空气处理了
规划	高自由度构型空间搜索爆炸、实时性不够	7 轴臂规划一次抓取路径花了 3 秒，产线节拍根本跟不上
控制	力位混合控制、柔顺抓取、动态补偿	抓鸡蛋项目，位置控制一上去就捏碎了
容错	抓取失败检测、重试策略、异常恢复	曾经连续抓空 5 次，程序还在傻乎乎地重复

你可能会问：这么多挑战，从哪入手？

我个人习惯是：先搞定感知，再谈规划与控制。感知不准，后面全是白搭。

1.3 评价指标：怎么才算「抓得好」？

做工程的人都知道，没有指标就没有改进方向。抓取策略的评价指标，我一般分两类：任务层指标和算法层指标。

任务层指标（老板关心的）

• 抓取成功率——最直接的指标。我习惯用「连续抓取 100 次，成功次数 / 100」来算。
• 节拍时间——从视觉采集到抓取完成的总耗时。产线上通常要求 < 2s。
• 抓取稳定性——抓取后物体是否滑移、倾斜。这个在装配场景尤其重要。
• 鲁棒性——光照变化、物体位姿变化下，成功率波动范围。

算法层指标（工程师关心的）

• 抓取姿态质量分——Grasp Quality Score，常用 Quinn 指标或力封闭性判断。
• 推理延迟——从输入点云到输出抓取姿态的耗时。我一般要求 < 100ms。
• 泛化能力——未见过的物体、未见过的场景下的表现。

1.4 本章知识体系总览

下面这张图，是我自己梳理的课程知识框架。你可以把它当成一张「地图」，后面每章都会对应到其中的一个模块。

1.5 本章小结

这一章我们主要做了三件事：

1. 定义了复杂场景——环境、物体、任务三个维度的不确定性叠加。
2. 梳理了核心挑战——感知、规划、控制、容错，四个必须攻克的关口。
3. 明确了评价指标——不要只看成功率，节拍、鲁棒性、泛化能力同样重要。

嗯，准备好了吗？那我们开始吧。