融合形状特征、接触建模与物理约束的机器抓取学习方法

本发明提出了融合形状特征、接触建模与物理约束的机器抓取学习方法，是可微分机器人抓取姿态学习方法；该方法以三维点云为输入，采用基于稀疏体素卷积的深度神经网络提取多尺度形状特征，并预测潜在抓取点及其姿态参数。通过构建方向感知的局部区域，提取反映机械爪与物体接触关系的几何特征，实现可微分接触建模。进一步，基于隐式神经网络估计抓取姿态的碰撞概率，构建可微分碰撞检测模块。同时引入摩擦闭合、表面对齐与几何对称性等物理约束，作为正则项联合优化抓取评分、碰撞风险与稳定性；本发明该方法支持端到端训练，实现高效、鲁棒、可部署的抓取姿态估计，适用于工业机器人与服务机器人等多种自动化抓取任务。