近日，实验室李亮教授团队完成的论文“Robotic Grasping Technology Integrating Large Kernel Convolution and Residual Connections”在国际期刊Machine上发表。该期刊属于中国科学院SCIⅢ分区工程技术机械类3区期刊，论文主要撰写人员为重点实验室硕士研究生李囡，通讯作者为李春磊副教授。

本研究首次提出一种结合大核卷积和残差连接的新型深度学习架构，用于提升机器人抓取任务中的目标识别与精确定位能力。通过深入探讨大核卷积对多尺度特征提取的优势，并结合残差连接有效解决深层网络中的梯度消失问题，我们设计了一种创新的网络结构，能够更好地融合局部和全局特征，提高了机器人抓取精度与鲁棒性。研究表明，使用大核卷积能够有效捕捉目标的宏观信息，而残差连接则帮助模型保持高效的训练过程，减少了计算负担。此外，通过对比实验，验证了该网络在复杂环境下的优越性，尤其是在低光照、遮挡等不利条件下，能够显著提升抓取成功率。最终，本研究为基于深度学习的机器人抓取技术提供了一种全新的设计思路，并为未来的应用推广奠定了基础。 

（陕西省机器人关键零部件先进制造与评估重点实验室 文、图/李囡、李亮 审核/王参军）