首先，掃描臂需要視覺伺服系統(tǒng)，來確定物體的位置，根據(jù)末端執(zhí)行器（手）和視覺傳感器（眼）的相對位置，可分為Eye-to-Hand和Eye-in-Hand兩種系統(tǒng)。

Eye-to-Hand的分離式分布，視野固定不變，如果相機(jī)的標(biāo)定精度高的話，那么視覺定位于抓取的精度也越高。

Eye-in-Hand則將掃描臂與視覺傳感器固定在一起，視野隨掃描臂的移動而改變，傳感器越近時精度越高，但過于靠近時則可能使目標(biāo)超出視野范圍。

精密的視覺系統(tǒng)與靈活掃描臂的配合，才能完成一次完美的抓取，而這正是當(dāng)前機(jī)器人操作中的核心難題，歸納起來就是這么一件事：找到合適的抓取點(diǎn)（或吸附點(diǎn)），抓住它。之后的轉(zhuǎn)運(yùn)執(zhí)行，則屬于運(yùn)動規(guī)劃的分支。

目前幾種主流的解決方案

Model-based（基于模型的方法）

這種方法很好理解，即知道要抓什么，事先采用實(shí)物掃描的方式，提前將模型的數(shù)據(jù)給到機(jī)器人系統(tǒng)，機(jī)器在實(shí)際抓取中就只需要進(jìn)行較少的運(yùn)算：

1. 離線計(jì)算：根據(jù)搭載的末端類型，對每一個物體模型計(jì)算局部抓取點(diǎn)；

2. 在線感知：通過RGB或點(diǎn)云圖，計(jì)算出每個物體的三維位姿；

3. 計(jì)算抓取點(diǎn)：在真實(shí)世界的坐標(biāo)系下，根據(jù)防碰撞等要求，選取每個物體的最佳抓取點(diǎn)。

RGB顏色空間由紅綠藍(lán)三種基本色組成，疊加成任意色彩，同樣地，任意一種顏色也可以拆解為三種基本色的組合，機(jī)器人通過顏色坐標(biāo)值來理解“顏色”。這種方式與人眼識別顏色的方向相似，在顯示屏上廣泛采用。

Half-Model-based（半模型的方法）

在這種訓(xùn)練方式中，不需要完全預(yù)知抓取的物體，但是需要大量類似的物體來訓(xùn)練算法，讓算法得以在物品堆中有效對圖像進(jìn)行“分割”，識別出物體的邊緣。這種訓(xùn)練方式，需要這些流程：

1.離線訓(xùn)練圖像分割算法，即把圖片里的像素按物體區(qū)分出來，此類工作一般由專門的數(shù)據(jù)標(biāo)注員來處理，按工程師的需求，標(biāo)注出海量圖片中的不同細(xì)節(jié)；

2.在線處理圖像分割，在人工標(biāo)注出的物體上，尋找合適的抓取點(diǎn)。

這是一種目前應(yīng)用較為廣泛的方式，也是掃描臂抓取得以推進(jìn)的主要推力。掃描臂技術(shù)發(fā)展緩慢，但計(jì)算機(jī)視覺的圖像分割則進(jìn)展迅速，也從側(cè)面撬動了機(jī)器人、無人駕駛等行業(yè)的發(fā)展。

Model-free（自由模型）

這種訓(xùn)練方式不涉及到“物體”的概念，機(jī)器直接從RGB圖像或點(diǎn)云圖上計(jì)算出合適的抓取點(diǎn)，基本思路就是在圖像上找到Antipodal（對映點(diǎn)），即有可能“抓的起來”的點(diǎn)，逐步訓(xùn)練出抓取策略。這種訓(xùn)練方式往往讓機(jī)器手大量嘗試不同種類的物品，進(jìn)行self-supervisedlearning。