本研究提出了一种新方法，结合深度强化学习和视觉助力模型，以提升机器人抓握能力。实验结果表明，该方法在抓握策略的效能和泛化能力上优于传统方法，具有较强的适应性，能够有效处理噪声传感器数据。

本文介绍了一种新型夹持训练系统，通过抗脊夹持规则获取有效样本，并设计效益解释器网络以预测夹持效益地图。该模型在模拟环境中训练，面对新物体时成功率达到93%。研究结合物体可负担性与环境约束，提出环境感知框架，显著提高抓握策略的效能和泛化能力。