仅需良好抓取：一种利用抓取位姿进行验证的自监督位姿估计微调数据引擎

在本文中，我们提出了一种用于位姿估计自监督微调的新方法。我们的方法利用零样本位姿估计，使机器人能够自动获取训练数据，无需人工标注。在位姿估计之后，物体被抓取，并利用手持位姿估计进行数据验证。我们的流程允许系统在运行过程中进行微调，从而消除了对专门学习阶段的需求。我们工作的动机在于快速部署位姿估计解决方案的需求。具体来说，我们解决了在灵活机器人设置中起关键作用的料箱拣选这一具有挑战性的任务。我们的方法在一个机器人工作单元上实现，并使用四种不同的物体进行了测试。对于所有物体，我们的方法都提升了性能，并且优于一种在物体CAD模型上训练的最先进方法。项目页面可在 gogoengine.github.io 获取。