AnyGrasp：给机器人一只「什么都能抓」的眼睛
🧠 一句话心智模型：抓取感知的老办法是「先在点云上采一堆候选抓取，再一个个评分」——又稀疏又慢。AnyGrasp 改成「一眼给整片」：给一帧点云，一次前向直接吐出场景里所有可能的稠密 7-DoF 抓取，还能跨帧做抓取跟踪（时序一致）。在 300+ 没见过的物体上，清框成功率 93.3%，比肩人类。它是 GraspNet 学术线长出来的最成熟抓取系统之一（代码开/权重闭）。
🎯 为什么重要：抓取感知的「工程化」关卡
GraspNet-1Billion（2020）建了 6-DoF 抓取基准，但留下三个工程坑：①「采样-评分」稀疏慢；②只看静态单帧，动态场景抓取会跳变；③仿真训练在真机商用深度相机（±5mm 噪声）下性能掉。AnyGrasp 把这三坑一次填了，做出真机可用的抓取系统。
核心矛盾：真机抓取要「稠密 + 快 + 时序一致 + 抗深度噪声」。学术 baseline（单帧稀疏评分）四条都缺。
💡 核心思想：稠密空间预测 + 时序对应 + 真机数据
图：AnyGrasp——单帧点云一次前向出稠密抓取（空间）+ 跨帧对应（时序）+ 真机数据抗噪 → 真机可用。
🛠️ 关键设计
| 设计 | 心智 | 为什么必要 |
|---|---|---|
| 稠密 7-DoF 抓取预测（单次前向） | 不再「采样-评分」，网络直接对整片点云输出所有抓取 | 稠密 + 快（取代慢的稀疏采样） |
| 时序 grasp 对应 | 跨帧把「同一抓取」对应起来，避免跳变 | 动态场景（移相机/移物）下抓取需时序一致 |
| 真机数据训练 | 用真机深度（带噪声）而非仿真完美深度训练 | 填 sim-real gap——商用相机（RealSense）下不掉性能 |
🔮 关键洞察：AnyGrasp 的价值在「把学术 baseline 工程化到真机可用」——稠密、时序一致、抗噪声，三项让抓取感知从「论文」变成「可部署服务」（论文同时发布 grasping library；后续 Anygrasp SDK 的工业采用情况待核）。
📊 结果
| 维度 | 结果 |
|---|---|
| 清框成功率 | 300+ 未见物体上 93.3%（attempt-centric；完成率 99.8%；人类 93.9%） |
| 速度 | 抓取预测 <100ms，整体决策 <200ms（单次前向给稠密抓取） |
| 吞吐 | 单臂 900+ MPPH（mean picks per hour） |
| 动态 | 跨帧 grasp 对应，抓移动物体（水箱中抓机器鱼） |
| 影响 | 论文发布 grasping library；后续商用 SDK（代码开/权重闭） |
🌐 在领域中的位置
DexNet（2D/夹爪，几何）→
GraspNet-1Billion（6-DoF 基准）→
AnyGrasp（稠密+时序+真机）⭐→
Anygrasp SDK（商用抓取后端）
抓取感知「工业化」节点，GraspNet 学术线的真机落地。关联 T14 抓取。
❓ 常见误区
AnyGrasp 和 GraspNet 什么关系？
GraspNet-1Billion 是 2020 的数据集+基准（学术）；AnyGrasp 是同团队（上交 MVIG）2023 的系统——在 GraspNet 基线上加稠密预测+时序+真机训练，做成可部署的抓取感知。
它开源吗？
代码框架开源、核心权重闭源，以 pip/ROS SDK 形式提供。是「可用但非完全开放」的典型。