ZeroBP：面向料箱抓取任务中零样本6D位姿估计的位置感知对应学习
计算机视觉与模式识别
2025-02-04 v1
摘要
料箱抓取是一项实用且具有挑战性的机器人操作任务，其中准确的6D位姿估计起着关键作用。料箱抓取中的工件通常无纹理且随机堆叠在料箱中，这对6D位姿估计构成了重大挑战。现有解决方案通常是基于学习的方法，需要针对特定物体进行训练。它们对于新工件实际部署的效率受到数据采集和模型重训练的高度限制。零样本6D位姿估计是解决部署效率问题的一种潜在方法。然而，现有的零样本6D位姿估计方法旨在利用特征匹配建立点对点对应关系以进行位姿估计，这对于无纹理外观和局部区域模糊的工件效果较差。在本文中，我们提出了ZeroBP，一个专为料箱抓取任务设计的零样本位姿估计框架。ZeroBP学习场景实例与其CAD模型之间的位置感知对应（PAC），利用局部特征和全局位置来解决由具有相似形状和外观的模糊区域引起的误匹配问题。在ROBI数据集上的大量实验表明，ZeroBP优于最先进的零样本位姿估计方法，在正确位姿的平均召回率上实现了9.1%的提升。
引用
@article{arxiv.2502.01004,
title = {ZeroBP: Learning Position-Aware Correspondence for Zero-shot 6D Pose Estimation in Bin-Picking},
author = {Jianqiu Chen and Zikun Zhou and Xin Li and Ye Zheng and Tianpeng Bao and Zhenyu He},
journal= {arXiv preprint arXiv:2502.01004},
year = {2025}
}
备注
ICRA 2025