日本东京理科大学（Tokyo University of Science）的研究人员开发出一种基于视觉的机器人抓取系统，能够在无需深度传感器的情况下，准确抓取透明与反光物体。该方法解决了自动化物料处理中的一个关键难题——这类传统上难以被检测和操作的物品。

玻璃、抛光金属、透明塑料等材料会干扰或混淆常规3D传感系统，导致机器人难以稳定抓取，通常需要人工干预，影响作业效率。该系统名为HEAPGrasp，仅通过RGB摄像头捕获的物体轮廓来重建形状，使机器人能够可靠地识别并抓取物体，不受其光学特性的影响。

超越表面限制的视觉方案

“传统上，使用深度传感器检测透明或镜面物体时信号往往不稳定，导致机器人难以自动抓取，最终需要人工介入，”研究人员Shogo Arai解释道。“我们的思路是，即便深度信息不可靠，只要能稳定捕捉物体的轮廓或剪影，仍可实现物体形状估计与抓取。”

系统首先通过语义分割将物体与背景分离，利用深度学习模型对图像中的每个像素进行分类，在三维重建前完成物体分离。为构建3D模型，该方法应用“轮廓重建形状”（Shape from Silhouette）技术，通过组合不同视角下捕获的物体轮廓来估算其体积。由于仅依赖轮廓信息，该方法有效规避了透明或反光表面带来的误差。为应对多视角采集带来的处理时间增加问题，研究团队引入基于深度学习的路径规划系统，在保持精度的前提下减少不必要的相机移动。

更快的抓取，更智能的机器人

研究团队在真实机器人平台上对HEAPGrasp进行了测试，共设置20种不同组合的透明、不透明与反光物体场景。结果表明，该系统在各项指标上均优于现有抓取方法。使用单摄像头时抓取成功率达96%，同时相比传统方法，相机移动距离减少了52%，执行时间缩短了19%。

“我们的方法在实现物体精确三维测量的同时，最大限度减少了相机移动与执行时间，”研究人员Ginga Kennis表示。“通过减少预调整的工作量，HEAPGrasp简化了现场部署与操作流程，尤其适用于对现有机器人系统的改造。”

由于该系统仅需标准摄像头并可与现有硬件兼容，在物流、食品加工及制造等物料类型混杂的行业中具有较好的部署潜力。该研究成果已发表于《IEEE机器人学与自动化快报》（IEEE Robotics and Automation Letters）。