Dex-Net 2.0 Grasping Benchmark是由加州大学伯克利分校AUTOLAB实验室发布的机器人抓取基准测试，是机器人抓取领域最权威的基准之一。该基准提供了大规模的抓取数据集（包含670万个抓取样本和1500个3D物体模型）、标准化的评估协议和多种抓取算法的基线结果，支持多种抓取类型（平行夹爪抓取等）和评估指标（抓取成功率、抓取质量评分等）。Dex-Net 2.0 Grasping Benchmark使用了基于解析抓取质量评分（epsilon-quality）和合成点云的方法，能够自动生成大规模的抓取数据集，并提供了详细的抓取质量评分。该基准推动了基于深度学习的机器人抓取算法的发展，Dex-Net 2.0、GraspNet、Contact-GraspNet等经典算法都在该基准上进行了评估。该基准被广泛应用于机器人抓取研究和工业应用中。