機器人抓取規劃在理想條件下成功率很高，但實際應用中感測器噪聲、物體形狀變化等因素會導致效能下降。傳統方法通常依賴觸覺感測器在抓取後檢測穩定性，但這需要接觸物體並完成抓取動作，效率較低。針對這一問題，俄勒岡州立大學的研究人員Kyle DuFrene和Cindy Grimm提出了一種全新的非接觸式抓取穩定性預測方法，利用安裝在夾爪遠端的多區域飛行時間（ToF）感測器。該方法無需實際抓取物體，僅透過感測器測量物體與夾爪之間的空間資訊，即可在抓取前預測穩定性，從而顯著加快分類過程，迴圈頻率達到15赫茲。
研究團隊在15種不同形狀和材質的物體上收集了超過2500次真實抓取資料，用於訓練分類器。此外，他們還對6種未見過的物體進行了抓取嘗試，其中3個用於驗證和模型選擇，另外3個用於最終測試。實驗結果顯示，該方法在驗證集上達到了85.5%的準確率，在測試集上達到了86.0%的準確率，表現出較強的分類效能。這一技術有望提高機器人在嘈雜環境中的抓取魯棒性和效率，為自動化倉儲、家庭服務等應用場景提供新的解決方案。