一个点云抓取策略在液压林业起重机上清空原木堆，BC与BCRL分别回收93.8%和88.9%库存，超过几何启发式的80.4%
该工作训练一个在未分割点云上分类抓取点并预测深度与偏航的网络，用行为克隆（BC）、其强化学习微调（BCRL）和从零强化学习三种方式在仿真中学习清空200根原木的密堆，并在拖车式液压林业起重机上完成12次现场试验：BC与BCRL分别回收93.8%和88.9%的合并库存，高于几何启发式的80.4%，BCRL的循环成功率83.6%也高于启发式的79.6%和BC的65.7%，但微调在仿真中获得的负载稳定性优势未迁移到起重机试验台。