抓取检测被定义为能够识别任何给定图像中物体的抓取点或抓取姿势。抓取策略应确保对新物体的稳定性、任务兼容性和适应性，抓取质量可通过物体上接触点的位置和手的配置来测量。为了掌握一个新的对象，完成以下任务，有分析方法和经验方法。分析方法根据抓取稳定性或任务要求的运动学和动力学公式，选择手指位置和手部构型，经验方法根据具体任务和目标物体的几何结构，使用学习算法选择抓取。根据是否需要进行目标定位，需要确定目标的姿态，进一步将其分为三类：具有已知定位和姿势的方法、具有已知定位和无姿态的方法、无定位和无姿态的方法。

抓取问题可描述为以下三个问题：

 抓取规划（Grasp Planning）

 给定一个物体，给定一个任务，给定一个手，怎么去抓这个物体才是较好的？

 在抓取规划中有两个比较重要的概念：

 形封闭（Form closure）：如果一组静止约束能阻止物体所有的运动，则可实现物体的形封闭，如果这些约束是由机器人手指提供的，则称之为形封闭抓握（form-closure grasp）。

 力封闭（Force closure）：可以理解为带摩擦的形封闭。考虑单个可移动物体和多个摩擦接触，如果一个物体因一组施加在物体表面的静态约束而不能发生任何位姿的改变，而这组静态约束完全由于机器人的手指施加在物体接触点处的力旋量决定，那么就成这种状态为力封闭状态，同时称这组抓取为力封闭抓取。

 抓取控制（Grasp Control）

 抓取控制是指通过与手接触来约束物体动力学，从而控制物体运动的问题。这个问题就是研究力控，包括手指末端的力控，触觉控制等，刚度控制，阻抗控制等等。很长一段时间，大家都在试图计算什么样的手指抓取力才是较优的，这里面以Martin Buss和李泽湘老师组的工作较为有名，将一个非线性优化问题转化成一个线性矩阵不等式问题，基本在几十毫秒左右可以得到优化结果。较近的这个方面的较好的工作应该算是DLR出来的 object-level impedance control（IJRR）。

 灵巧操作（Dexterous Manipulation）

 灵巧操纵物体。