[1] [1] 吴培良， 刘瑞军， 李瑶， 等. 一种基于生成对抗网络与模型泛化的机器人推抓技能学习方法［J］. 仪器仪表学报， 2022， 43（5）： 244-253.WUP L， LIUR J， LIY， et al. Robot pushing and grasping skill learning method based on generative adversarial network and model generalization［J］. Chinese Journal of Scientific Instrument， 2022， 43（5）： 244-253.（in Chinese）

[2] [2] 李文浩， 谭宇飞， 周登科， 等. 融合多光学传感及变积分PID算法的搬运机器人［J］. 光学 精密工程， 2023， 31（23）： 3504-3516. doi: 10.37188/ope.20233123.3504LIW H， TANY F， ZHOUD K， et al. Transport robot integrating multi channel optical sensing and variable integral pid algorithm［J］. Opt. Precision Eng.， 2023， 31（23）： 3504-3516.（in Chinese）. doi: 10.37188/ope.20233123.3504

[3] FANG H S, WANG C X, GOU M H et al. GraspNet-1Billion： a large-scale benchmark for general object grasping[C], 11441-11450(2020).

[4] YANG D, TOSUN T, EISNER B et al. Robotic grasping through combined image-based grasp proposal and 3D reconstruction[C], 6350-6356(2021).

[5] LENZ I, LEE H, SAXENA A. Deep learning for detecting robotic grasps[J]. The International Journal of Robotics Research, 34, 705-724(2015).

[6] KUMRA S, JOSHI S, SAHIN F. Antipodal robotic grasping using generative residual convolutional neural network[C], 9626-9633(2020).

[7] YU S, ZHAI D H, XIA Y Q et al. SE-ResUNet： a novel robotic grasp detection method[J]. IEEE Robotics and Automation Letters, 7, 5238-5245(2022).

[8] WANG S C, ZHOU Z L, KAN Z. When transformer meets robotic grasping： exploits context for efficient grasp detection[J]. IEEE Robotics and Automation Letters, 7, 8170-8177(2022).

[9] [9] 徐胜军， 任君琳， 刘光辉， 等. 基于上下文聚合策略的轻量级编/解码抓取位姿检测［J］. 机器人， 2023， 45（6）： 641-654.XUS J， RENJ L， LIUG H， et al. Lightweight encoding-decoding grasp pose detection based on a context aggregation strategy［J］. Robot， 2023， 45（6）： 641-654.（in Chinese）

[10] [10] 李明， 鹿朋， 朱龙， 等. 基于RGB-D融合的密集遮挡抓取检测［J］. 控制与决策， 2023， 38（10）： 2867-2874， 中插16-中插19.LIM， LUP， ZHUL， et al. Densely occluded grasping objects detection based on RGB-D fusion［J］. Control and Decision， 2023， 38（10）： 2867-2874， 中插16-中插19.（in Chinese）

[11] [11] 牛小明， 曾理， 杨飞， 等. 零部件光学影像精准定位的轻量化深度学习网络［J］. 光学 精密工程， 2023， 31（17）： 2611-2625. doi: 10.37188/ope.20233117.2611NIUX M， ZENGL， YANGF， et al. Lightweight deep learning network for accurate localization of optical image components［J］. Opt. Precision Eng.， 2023， 31（17）： 2611-2625.（in Chinese）. doi: 10.37188/ope.20233117.2611

[12] OUYANG D L, HE S, ZHANG G Z et al. Efficient multi-scale attention module with cross-spatial learning[C], 1-5(2023).

[13] MORRISON D, CORKE P, LEITNER J. Learning robust， real-time， reactive robotic grasping[J]. The International Journal of Robotics Research, 39, 183-201(2020).

[14] DEPIERRE A, DELLANDRÉA E, CHEN L M. Jacquard： a large scale dataset for robotic grasp detection[C], 3511-3516(2018).

[15] [15] 程德强， 张华强， 寇旗旗， 等. 基于层级特征融合的室内自监督单目深度估计［J］. 光学 精密工程， 2023， 31（20）： 2993-3009. doi: 10.37188/ope.20233120.2993CHENGD Q， ZHANGH Q， KOUQ Q， et al. Indoor self-supervised monocular depth estimation based on level feature fusion［J］. Opt. Precision Eng.， 2023， 31（20）： 2993-3009.（in Chinese）. doi: 10.37188/ope.20233120.2993

[16] [16] 楚红雨， 冷齐齐， 张晓强， 等. 融入注意力机制的多模特征机械臂抓取位姿检测［J］. 控制与决策， 2024， 39（3）： 777-785.CHUH Y， LENGQ Q， ZHANGX Q， et al. Multi-modal feature robotic arm grasping pose detection with attention mechanism［J］. Control and Decision， 2024， 39（3）： 777-785.（in Chinese）