074、AnyGrasp通用抓取：从单视角到泛化抓取姿态的实时算法调试室里那台UR5e连着抓了三次，每次都精准地戳在纸箱边缘，第四次终于把那个歪着的饮料瓶捏起来了——但姿态歪了30度，瓶子在夹爪里打了个滑。我盯着终端里刷出来的抓取姿态四元数，心想这问题要是放在两年前，我可能得花一个下午去调点云分割参数。现在AnyGrasp在单张深度图上直接给出了一堆候选抓取，虽然偶尔还是会有这种“歪嘴”的情况，但整体成功率已经让我愿意把它焊死在产线demo里了。今天这篇笔记，就聊聊AnyGrasp这个通用抓取算法。不是从论文公式抄一遍，而是从我在实际部署中踩过的坑、调过的参数、以及那些“原来如此”的瞬间讲起。从“抓不到”到“抓得歪”：问题到底出在哪先说说我最初遇到的场景。一个分拣任务，传送带上随机来料，有圆柱形的、有带弧面的、还有那种不规则的小零件。传统做法是先用YOLO检测物体类别，再根据类别模板去匹配抓取点。这套路在固定场景下没问题，但一旦物体换了个形状，或者堆叠在一起，模板就废了。AnyGrasp的思路完全不同——它不关心你抓的是什么，它只回答一个问题：给定当前这一帧的深度图像，夹爪在哪个位置、以什么角度闭合，能大概率抓稳。这个“大概率”不是靠物体识别，而是靠从海量抓取数据里学出来的几何与力觉先验。我第一次跑通AnyGrasp的时候，心里那个“我去，就这么简单？”的感觉特别强烈。输入一张深度图，输出一堆抓取候选，每个候选包含位置、姿态、夹爪开度、以及一个置信度分数。不需要分割，不需要识别，不需要先验模型。但“简单”背后藏着几个关键设计，搞不懂这些，你调参就是瞎调。