日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

6D姿勢推定arXiv:2506.07996

UA-Pose: 部分参照を用いた不確かさ考慮型6D物体姿勢推定とオンライン物体補完

UA-Pose: Uncertainty-Aware 6D Object Pose Estimation and Online Object Completion with Partial References

シェア:XThreadsFacebookLINEはてブBluesky

物体の一部しか写っていない少数のRGBD画像や単一画像から、不確かさを考慮して6D姿勢推定とオンラインでの物体形状補完を同時に行う手法を提案。

詳しい要約

1. どんなもの?

- 6D object pose estimation と online object completion を partial references から行う手法 UA-Pose を提案。 - 入力は (1) 既知 pose 付きの限られた RGBD 画像セット、または (2) 単一 2D 画像。 - 前者では partial 3D model を初期化し、後者では image-to-3D 技術で初期 3D model を生成。 - 不完全な 3D model に uncertainty を統合し、seen/unseen 領域を区別。 - 不確実性に基づく pose estimation の信頼度評価と online object completion のための sampling 戦略を提案。

2. 先行研究と比べてどこがすごい?

- 既存手法は完全で再構成済みの 3D model か、物体を完全にカバーする多数の参照画像を必要とする。 - 部分的参照(外観・形状の断片のみ)からの 6D pose estimation は困難であった。 - UA-Pose は限られた RGBD 画像または単一 2D 画像のみから pose estimation と object completion を可能にする。 - 不完全な観測や部分的キャプチャ時に既存手法より大幅な性能向上を実現。

3. 技術・手法の肝は?

- partial references から初期 3D model を構築(RGBD+pose または image-to-3D)。 - 不完全 3D model に uncertainty を組み込み、seen/unseen 領域を区別。 - uncertainty を pose estimation の confidence assessment に利用。 - uncertainty-aware sampling strategy で online object completion を誘導。 - これにより pose estimation の堅牢性と物体完全性を向上。

4. どうやって有効だと検証した?

- YCB-Video, YCBInEOAT, HO3D データセットで評価。 - ロボットや人間の手で操作される YCB 物体の RGBD シーケンスを含む。 - 物体観測が不完全または部分的にキャプチャされた場合に、既存手法に対する顕著な性能改善を示した。

5. 議論はある?

- 要旨からは不明(実験結果の詳細な議論や限界については記述なし)。

6. 次に読むべき論文は?

- YCB-Video, YCBInEOAT, HO3D データセットを用いた関連研究。 - image-to-3D 技術(具体的名称は要旨からは不明)。 - uncertainty-aware pose estimation や online object completion の関連手法。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Ming-Feng Li, Xin Yang, Fu-En Wang, Hritam Basak, Yuyin Sun, Shreekant Gayaka, Min Sun, Cheng-Hao Kuo

分類: cs.CV, cs.RO

原文アブストラクト

6D object pose estimation has shown strong generalizability to novel objects. However, existing methods often require either a complete, well-reconstructed 3D model or numerous reference images that fully cover the object. Estimating 6D poses from partial references, which capture only fragments of an object's appearance and geometry, remains challenging. To address this, we propose UA-Pose, an uncertainty-aware approach for 6D object pose estimation and online object completion specifically designed for partial references. We assume access to either (1) a limited set of RGBD images with known poses or (2) a single 2D image. For the first case, we initialize a partial object 3D model based on the provided images and poses, while for the second, we use image-to-3D techniques to generate an initial object 3D model. Our method integrates uncertainty into the incomplete 3D model, distinguishing between seen and unseen regions. This uncertainty enables confidence assessment in pose estimation and guides an uncertainty-aware sampling strategy for online object completion, enhancing robustness in pose estimation accuracy and improving object completeness. We evaluate our method on the YCB-Video, YCBInEOAT, and HO3D datasets, including RGBD sequences of YCB objects manipulated by robots and human hands. Experimental results demonstrate significant performance improvements over existing methods, particularly when object observations are incomplete or partially captured. Project page: https://minfenli.github.io/UA-Pose/

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI