解决的问题提出了一个端到端的抓取评估模型，能够从3D点云中输出机器人抓取配置。和基于手工设计深度特征和CNN的抓取评估方法相比，提出的PointNetGPD模型具有轻量化、能直接处理定位了夹持器配置的3D点云的特点。即使点云非常稀疏，也能很好地捕捉接触区域的几何结构。先前工作大多依赖2D输入或2.5D输入，很少考虑3D几何信息。论文的主要贡献：直接对3D点云进行集合分析评估抓取质量，和以前的基于C

解决的问题论文提出了基于部分点云的抓取位姿计算方法GPD（GraspPoseDetection）。该方法首先对点云体素化以实现压缩和去噪等预处理，然后获得感兴趣区域（Region of Interest, ROI），这个ROI 可以包含多个物体，或者是物体位置的近似估计。之后在 ROI 区域均匀随机采样 N 个抓取点，以该点所在的曲面法向作为候选抓取的朝向，并通过对该抓取进行旋转和平移扩充候选抓取