本文提出了首个基于 RGB 图像的 6 自由度机器人抓取方法 MonoGraspNet，通过利用稳定的 2D 特征以及关键点热度图和法向量图来同时解决处理透明或反射材料等光学难题，实验表明我们的方法在抓取常见物体方面能够达到有竞争性的结果，并在在抓取光学难题物体方面领先于深度学习方法，此外我们也公开了一个包含 120 个物品的多视角多场景数据集和 2000 万的准确抓取标签。

Sep, 2022

本论文提出了一种名为 MVTrans 的新型多视点方法，采用多种感知能力，包括深度估计、分割和姿态估计，可用于透明物体检测，并建立了一个逼真的数据集合成管道 Syn-TODD 用于网络训练。

Feb, 2023

本研究针对透明和反射对象的抓取问题，利用 RGB-D 主动立体相机提出了一种名为 ASGrasp 的 6 自由度抓取检测网络，通过透明物体的重建实现材料无关的抓持，优于现有的基于 RGB-D 的方法。

May, 2024

通过物理模型、大规模数据集、在线评估系统和 RGB-D 图像实验，研究吸盘抓取并提出相关算法。

Mar, 2021

该论文提出了一种基于双目视觉输入的深度神经网络，称为 KeyPose，并使用该网络从 RGB 相机标记的三维关键点预测物体姿势，即使在透明物体的情况下也能取得比现有方法更好的 3D 姿态估计表现。

Dec, 2019

通过一种端到端的神经网络，将深度记录的场景直接转化为 6 个自由度平行夹具抓取的分布，其独特的抓取表示法将点云的 3D 点作为潜在的抓取接触点，并将 6 个自由度的抓取姿态与宽度根据观察到的点云减少到 4 个自由度，成功率可达 90% 以上。

Mar, 2021

我们提出了一种透明物体深度补全的端到端网络，结合了基于单视图 RGB-D 的深度补全和多视图深度估计的优点，并引入了基于置信度估计的深度细化模块，进一步改进了恢复的深度图。在 ClearPose 和 TransCG 数据集上进行的大量实验证明，与现有方法相比，我们的方法在具有显著遮挡的复杂场景中实现了更高的准确性和鲁棒性。

May, 2024

通过引入 SS3D 方法，成功在单目图像中实现三维物体检测，并通过建模异方差性提高了基准性能。该方法在保持简洁的同时，达到了当前状态下最高的检测精度，是实现自主驾驶等领域高性能检测的可靠框架。

Jun, 2019

使用廉价的 RGB-D 相机对透明物体进行重建是机器人感知中的持久挑战，由于 RGB 领域中视图不一致以及单视图中不准确的深度读数。我们提出了一个专为移动平台量身定制的透明物体重建两阶段流程：在第一阶段，利用现成的单目物体分割和深度补全网络来预测透明物体的深度，提供单视图形状先验信息；随后，我们提出了基于极线引导的光流（Epipolar-guided Optical Flow），将第一阶段的多个单视图形状先验信息融合到一个在摄像机姿态中估计的跨视图一致的 3D 重建中。我们的创新在于 Epipolar-guided Optical Flow，它在光流中引入了边界敏感采样和极线约束，以在透明物体上准确建立 2D 对应关系。定量评估表明，我们的流程在 3D 重建质量上明显优于基准方法，为更熟练地感知和与透明物体交互铺平了道路。

Oct, 2023

提出了一种机器人感知的模拟到现实（sim-to-real transfer）方法，使用单个多头神经网络将模拟立体数据作为输入，输出模拟对象分割掩码、3D 定向边界框、对象关键点和视差等，通过学习过的立体子网络进行预测。该方法在机器人对未知对象的 2D 检测、未知物体检测和可变形物体关键点检测方面表现出色，能够高效且准确地抓取对象，甚至包括透明对象等难处理的物品。

Jun, 2021