4-DoF（平面）抓取和 6-DoF 抓取差在哪？

平面抓取假設夾爪從正上方往下抓，只決定 x、y、旋轉角與開口寬度，GG-CNN、GR-ConvNet 屬於此類，速度快但無法從側面抓；6-DoF 抓取可從任意方向接近物體，適合堆疊、雜亂或需要側抓的場景，但計算與資料需求高。

6-DoF 抓取模型的輸入是什麼？

多數以深度相機產生的點雲為輸入（GraspNet、Contact-GraspNet、AnyGrasp），輸出一組候選抓取姿態與分數，再經過碰撞檢查與逆運動學篩選出可執行的抓取。

六自由度抓取（6-DoF Grasp）指抓取姿態由三個位置自由度（x、y、z）與三個旋轉自由度（夾爪朝向）共同決定。相較於只能從正上方往下抓的平面抓取，6-DoF 抓取可以從任意方向接近物體。

一個平行夾爪的抓取通常表示為：

g = (R,\; \mathbf{t},\; w), \qquad R \in SO(3),\; \mathbf{t} \in \mathbb{R}^3

$R$ 是夾爪姿態、 $\mathbf{t}$ 是抓取中心位置、 $w$ 是夾爪開口寬度。

類型	代表	特點
平面抓取（4-DoF）	GG-CNN、GR-ConvNet	影像輸入、速度快
點雲 6-DoF 抓取	GraspNet-1Billion、GSNet、Contact-GraspNet	處理雜亂堆疊場景
工業級泛化	AnyGrasp	大規模資料、即時、可抓移動物體
生成式抓取	CGDF、DAGDiff	用擴散模型生成抓取，支援雙臂與約束

4-DoF（平面）抓取和 6-DoF 抓取差在哪？: 平面抓取假設夾爪從正上方往下抓，只決定 x、y、旋轉角與開口寬度，GG-CNN、GR-ConvNet 屬於此類，速度快但無法從側面抓；6-DoF 抓取可從任意方向接近物體，適合堆疊、雜亂或需要側抓的場景，但計算與資料需求高。
6-DoF 抓取模型的輸入是什麼？: 多數以深度相機產生的點雲為輸入（GraspNet、Contact-GraspNet、AnyGrasp），輸出一組候選抓取姿態與分數，再經過碰撞檢查與逆運動學篩選出可執行的抓取。