机器人视觉：从像素、点云到物体位姿机器人要抓杯子，二维检测框只能指出图像区域。夹爪还需要杯子相对机器人在哪、朝向如何、哪些地方可接近、误差多大。视觉输出应与动作需求匹配：有些任务需要完整六维位姿，有些只需要一个平面抓取点，有些则由策略直接使用图像闭环控制。 ...