ZePHyR：零样本位姿假设评分

位姿估计是许多机器人操作流水线中的基础模块。估计环境中物体的位姿可用于抓取、运动规划或操作。然而，当前最先进的位姿估计方法要么依赖大量标注训练集，要么依赖模拟数据。此外，这些方法的较长训练时间阻碍了与新物体的快速交互。为解决这些问题，我们提出了一种用于杂乱场景中零样本物体位姿估计的新方法。我们的方法采用假设生成与评分框架，重点学习一个能泛化到未用于训练的物体的评分函数。我们通过将假设评分定义为无序点差的函数来实现零样本泛化。我们在包含纹理与无纹理物体且场景杂乱的具有挑战性数据集上评估了我们的方法，并表明我们的方法在该任务上显著优于先前的方法。我们还展示了如何通过快速扫描并构建新物体的模型来使用我们的系统，该模型可立即被我们的方法用于位姿估计。我们的工作允许用户估计新物体的位姿而无需任何重新训练。更多信息可在我们的网站 https://bokorn.github.io/zephyr/ 上找到。