ParaPose：使用合成数据进行位姿估计的参数与域随机化优化

位姿估计是确定场景中物体6D位置的任务。位姿估计有助于提升机器人装置的能力和灵活性。然而，系统必须根据用例进行配置才能充分运行。这种配置非常耗时，限制了位姿估计乃至机器人系统的可用性。深度学习是一种通过直接从数据集中学习参数来克服此配置过程的方法。然而，获取这些训练数据也可能非常耗时。使用合成训练数据避免了这种数据收集问题，但有必要对训练过程进行配置以克服域间隙问题。此外，位姿估计参数也需要配置。这种配置被戏称为“研究生下降法”，因为需要手动调整参数直到获得满意的结果。本文提出了一种仅使用合成数据进行自动配置的方法。这是通过在网络训练期间学习域随机化，然后利用该域随机化来优化位姿估计参数来实现的。所开发的方法在具有挑战性的OCCLUSION数据集上展示了82.0%召回率的最新性能，以较大优势超越了所有先前方法。这些结果证明了使用纯合成数据自动设置位姿估计的有效性。