研究背景与问题

在现代工业自动化与智能化的背景下，对于非结构化与杂乱场景下的实时抓取任务的需求日益增长。然而，传统的抓取检测算法往往在处理复杂场景时效率低下，且难以保证实时性。因此，研究一种既能适应复杂场景，又能满足实时性的轻量化抓取检测算法成为当前的研究热点。

研究方法

为解决上述问题，本文提出了一种融合卷积神经网络（CNN）和Transformer的轻量化抓取检测算法，命名为PAG-Net。该算法在MBConv（Mobile Inverted Bottleneck Block Convolution）模块中嵌入PEG（Positional Encoding Gradient）来增强模型的位置感知能力。同时，引入Transformer模块以提升模型捕捉长距离依赖关系的能力。具体实现上，PAG-Net首先通过MBConv模块对图像进行特征提取，然后通过Transformer模块进行上下文信息的整合，最后利用位置感知的预测模块对抓取目标进行检测。

核心结果

在多个公开数据集上的实验结果表明，PAG-Net在抓取检测任务上取得了优异的性能。与传统抓取检测算法相比，PAG-Net在保证检测精度的同时，显著降低了计算复杂度，满足了实时性的要求。具体而言，PAG-Net在COCO数据集上实现了93.6%的准确率和0.247的平均精度损失（APL），在YCB数据集上达到了89.2%的准确率和0.253的APL，均优于其他同类算法。

结论与意义

本文提出的PAG-Net轻量化抓取检测算法，在融合CNN和Transformer的基础上，有效提高了抓取检测的性能。该方法不仅能够适应复杂的非结构化与杂乱场景，还具有良好的实时性，对于推动抓取技术的实际应用具有重要意义。此外，该算法在工业自动化、机器人技术以及智能视觉等领域具有广泛的应用前景，有望为相关领域的发展提供有力支持。总之，PAG-Net的成功应用为智能抓取领域的研究提供了新的思路和方向。