用层级窗口注意力建模全局上下文，多尺度特征池化让抓取预测能随目标大小自适应调整，在杂乱纹理下仍保持高准确率。
Maolin, Li · 翟弟华 · Yu, Sheng · 夏元清
IEEE/ASME Transactions on Mechatronics 2025
多尺度 Transformer 金字塔池化动态处理并融合不同尺度特征，使抓取预测能随物体大小调整。
窗口与移位窗口注意力同时建模全局依赖和局部特征，减轻纹理背景或局部显著特征干扰造成的性能下降。
轻量 CNN 解码器在保持空间精度的同时降低计算负担，使网络达到 27 fps 的预测速率。