控制与决策

作者：李小晗,张哲戬,徐胜军,孟月波,杨玥,武经,苏晓杰,陈义明

单位：西安建筑科技大学 信息与控制工程学院，西安 710055,,西安建筑科技大学 信息与控制工程学院，西安 710055,,西安建筑科技大学 信息与控制工程学院，西安 710055,,西安建筑科技大学 信息与控制工程学院，西安 710055,,西安建筑科技大学 信息与控制工程学院，西安 710055,,南方科技大学 机械与能源工程学院，广东 深圳 518055,,重庆大学 自动化学院，重庆 400044,,南洋理工大学 机械与宇航工程学院，新加坡 639798,

关键词：机器人抓取;几何先验特征;多尺度点云特征融合;抓取目标识别网络;6-DOF位姿估计;方向约束

基金：国家自然科学基金项目(62503377, 62306228, 62441237)；陕西省高等学校重点实验室项目(24JS024)；陕西省自然科学基础研究计划一般项目(2025JC-YBQN-857)；陕西省重点研发计划项目(2024GX-YBXM-132).

为提升机器人在非结构化堆叠场景中的抓取识别精度与执行稳定性, 提出一种融合几何先验建模与姿态质量评估机制的六自由度抓取预测算法. 首先, 构建点云识别网络 Point-LaKan, 通过增强输入点云的局部几何特征, 设计由局部聚合模块与高维非线性映射模块构成的LAKAN特征提取结构, 提升对堆叠抓取区域的结构表征能力; 其次, 设计方向向量约束下的抓取姿态估计策略, 通过最小化初始与目标姿态间的空间差异, 提升姿态生成的可执行性与可解释性; 最后, 构建融合方向约束、碰撞检测与质心评分的抓取姿态筛选机制, 实现候选姿态的多因素评估与排序, 增强算法在复杂环境下的执行鲁棒性. 为验证算法性能, 自主构建多类别堆叠物体仿真点云抓取数据集, 分别在CoppeliaSim仿真平台与真实机器人系统中开展实验. 结果表明: 在模型参数量减少 4.69%、推理速度提升37.19% 的条件下, 抓取区域识别准确率提升了25.26%; 真实抓取成功率与任务完成率最高可提升29.40%与18.39%.

来源：2026年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第5期