RoboKeyGen：基于扩散的 3D 关键点生成进行机器人位姿与关节角估计

估计机器人位姿与关节角在高级机器人技术中具有重要意义，能够实现机器人协作和在线手眼标定等应用。然而，由于未知关节角的引入导致维度更高，其预测比简单的机器人位姿估计更为复杂。以往的方法要么直接回归 3D 关键点，要么采用渲染并比较（render&compare）策略。这些方法在性能或效率上往往存在不足，且难以应对跨相机差距问题。本文提出了一种新颖的框架，将该高维预测任务分解为两个易于处理的子任务：2D 关键点检测以及将 2D 关键点提升至 3D。这种分离有望在不牺牲基于关键点技术固有效率的情况下提升性能。我们方法的一个关键组成部分是将 2D 关键点提升为 3D 关键点。常见的确定性回归方法在面对 2D 检测误差或自遮挡带来的不确定性时可能会失效。利用扩散模型强大的建模能力，我们将该问题重新构建为条件 3D 关键点生成任务。为增强跨相机的适应性，我们引入了归一化相机坐标空间（NCCS），以确保在不同相机内参下估计的 2D 关键点保持对齐。实验结果表明，所提出的方法优于最先进的渲染并比较方法，并实现了更高的推理速度。此外，测试突出了我们方法强大的跨相机泛化能力。我们计划在 https://nimolty.github.io/Robokeygen/ 发布数据集和代码。