左国玉，刘洪星，龚道雄，阮晓钢

(1.北京工业大学信息学部，北京 100124;2.北京市计算智能与智能系统重点实验室，北京 100124)

随着机器人技术的进步，机器人正在代替人类完成一些重复、简单的操作.然而，为了让机器人获得更加通用的能力，抓取技能是机器人必须要掌握的.抓取是人类行为中常见但复杂的综合性行为，其整合了感知、认知决策和动作执行以及其间的协调与配合，体现了人类的认知能力和操纵能力.研究者们在机器人智能抓取领域已经取得了一些进展.一些工作[1-3]将机器人抓取检测看作计算机视觉问题，并使用深度学习方法以目标检测的方式进行研究.这些深度神经网络结构依赖于卷积神经网络(convolutional neural network,CNN)[4].CNN是受哺乳动物的视觉通路启发而产生的，并且在空间和特征处理方面有很好的表现.机器人利用深度神经网络赋予的视觉感知能力对抓取位置进行回归或分类，其中抓取位置具体指示了机器人末端执行器以怎样的姿态抓起物体.然而，目标检测的方法不能满足机器人对物品更深层次的探索和理解.因此相关学者对affordance检测展开了研究.Affordance检测和目标检测最大的区别在于关注的物品特征形式不同.Affordance 检测关注的是物品与环境的交互特征.Affordance是指用一个物体进行不同行为的可能性，这个概念最早是由心理学家吉布森[5]提出.Affordance的概念用于描述物品的功能特性，在机器人抓取和操作的研究中得到了广泛的应用[6-8].一些工作……