课程项目中负责桌面机械臂抓取流程：用RGB-D相机采集图像，基于Transformer结构训练目标检测与位姿回归模型，结合手眼标定把像素坐标转为抓取位控指令；与两名组员分工数据采集和仿真验证，在PyBullet中回放测试。在课程自建120帧测试集上，抓取点定位平均误差从18mm降至11mm，并输出实验报告说明样本口径与失败案例分析。

个人项目复现轻量端到端抓取策略：将视觉输入经CNN与Transformer编码后直接映射为末端位移和夹爪开合动作，用示教数据做行为克隆训练；在自建仿真环境中按固定随机种子跑100次评估，记录成功率与平均完成步数，对比基线提升约9个百分点。整理训练日志与调参记录，明确结果仅限仿真环境，未做真机部署。