大型仓库自动化的盒子姿态与形状估计及域适应

现代仓库自动化系统依赖由智能机器人构成的编队，这些机器人生成海量数据——其中大部分数据仍未标注。本文开发了一种自监督域适应管道，利用真实世界的无标签数据改善感知模型，而无需手动标注。我们的工作特别关注盒子姿态和形状的估计，并提出了一种纠正并确认自监督盒子姿态和形状估计的管道。我们广泛评估了该方法在各种模拟和真实工业环境中的效果，包括适配大型真实世界数据集（含 50,000 张图像）的情形。自监督模型显著优于仅在仿真环境中训练的模型，对一个零样本 3D 边界框估计基准显著提升。