機器人擅長制作相同的重復動作，例如裝配線上的簡單任務。(拿起一個杯子。把它翻過來。把它放下。)但是當它們在環境中移動時，它們缺乏感知物體的能力。(一個人撿起一個杯子，把它放在一個隨機位置，機器人必須將其取回。)最近由伊利諾伊大學厄本那 - 香檳分校，NVIDIA，華盛頓大學和斯坦福大學的研究人員進行了一項研究。大學，在6D物體姿態估計上開發過濾器，為機器人提供更大的空間感知，使他們能夠更準確地操縱物體并在空間中導航。

而3-d構成提供位置信息上X，Y，和的Z軸相對位置對象相對于相機-6D構成給出一個更全面的了解。“就像在飛行中描述飛機一樣，機器人還需要知道物體方向的三個維度 - 它的偏航，俯仰和滾動，”與部門副教授Timothy Bretl一起學習的博士生Shinke Deng說。一號航空航天工程學院

在現實環境中，所有這六個維度都在不斷變化。

“我們希望機器人能夠在物體從一個位置移動到另一個位置時跟蹤物體，”鄧說。

鄧解釋說，這項工作是為了改善計算機視覺。他和他的同事們開發了一種過濾器來幫助機器人分析空間數據。過濾器查看每個粒子，或由相機針對對象收集的圖像信息，以幫助減少判斷錯誤。

“在基于圖像的6D姿勢估計框架中，粒子濾波器使用大量樣本來估計位置和方向，”鄧說。“每個粒子就像一個假設，是對我們想要估計的位置和方向的猜測。粒子濾波器使用觀察來計算來自其他粒子的信息的重要性值。過濾器消除了不正確的估計。

“我們的程序不僅可以估計單個姿勢，還可以估計物體方向的不確定性分布，”鄧說。“以前，還沒有一個系統來估計物體方向的完整分布。這為機器人操縱提供了重要的不確定性信息。”

用于6D對象姿勢跟蹤的PoseRBPF框架概述。該方法利用Rao-Blackwellized粒子濾波器和自動編碼器網絡來估計3D平移以及來自視頻序列的目標對象的3D旋轉的完全分布。圖片來源：伊利諾伊大學Aeropsace工程系

該研究在Rao-Blackwellized粒子濾波框架中使用6D物體姿態跟蹤，其中物體的3-D旋轉和3-D平移被分離。這使得研究人員的方法(稱為PoseRBPF)能夠有效地估計物體的三維平移以及三維旋轉的完全分布。因此，PoseRBPF可以跟蹤具有任意對稱性的對象，同時仍然保持足夠的后驗分布。

“我們的方法在兩個6D姿態估計基準上實現了最先進的結果，”鄧說。

該研究“PoseRBPF：用于6D物體姿態估計的Rao-Blackwellized粒子濾波器”在德國弗賴堡的機器人科學與系統會議上發表。它由鄧新科，Arsala Mousavian，Yu Xiang，Fei Xia，Timothy Bretl和Dieter Fox共同撰寫。