机器人学习中的经典问题之一便是分栋:在一堆无序摆放的物品堆中，取出目标物品。在快递分拣员看来，这几乎是一个不需要思考的过程，但对于机械臂而言，这意味着复杂的矩阵计算。

事实上，对于人类需要耗费大量时间的数理难题，用智能系统处理起来就显得十分容易，但在几乎不需要思考的情况下就能做出的分选动作，则是全世界机机器人研究专家关注的热点。

首先，机械需要视觉伺服系统，来确定物体的位置，根据末端执行器(手)和视觉传感器(眼）的相对位置，可分为Eye-to-Hand和Eye-in-Hand两种系统。

Eye-to-Hand的分离式分布，视野固定不变，如果相机的标定精度高的话，那么视觉定位抓取的精度也越高。

Eye-in-Hand则将机械管与视觉传感器固定在一起，视野随机械臂的移动而改变，传感器越近时精度越高，但对于靠近时则可能使目标超出视野范围。

        精密的视觉系统与灵活机械臂的配合，才能完成一次完美的抓取，而这正是当前机器人操作中的he心难题，归纳起来就是这么一件事:找到合适的抓取点(或吸附点)，抓住它。之后的转运执行，则属于运动规划的分支。

值得注意的是，对于机械手而言，不同形状的物品，抓取难度有天壤之别。即便是同样形状的物体，由于表面反光度和环境光照的影响在不同场景的抓取难度也大相径庭。从实验室到商业落地，其中有相当一段路要走。

高精密度的相机研发，是机器人“感知”物体的第一步。

   实际商业场景中，较麻烦的物体总是“下一个物体”。工业机器人要真正融入实际生产体系，只有具备聪明的大脑，针对不同工况做出柔性的调整，才能拓宽工业机器人的使用场景。