未知の産業物体に対する観測検証型の姿勢・スケール推定と再構成

- 未知の産業用物体に対する 6D pose・scale 推定と 3D reconstruction を統合したフレームワーク OV-PEAR の提案 - 入力は RGB-D で、CAD model や物体固有の学習データを必要としない zero-shot 設定を想定 - 出力は操作に使える trusted object model、pose-scale log、object-level state - 産業 manipulation での connector assembly など実タスクを対象

- 既存の産業向け pose estimation は CAD model・物体別学習データ・安定した workcell に依存し、unseen object に弱い - zero-shot 手法は single-view occlusion、generative bias、scale uncertainty が課題 - OV-PEAR は multi-view RGB-D の観測で hypothesis を検証し、hallucination 抑制と scale 推定を両立 - BOP-Industrial で 0.657 average AR を報告し、実シーンでの pose・voxel 一貫性も改善

- 3 段階の object-centric pipeline - (1) RGB-D instance を segmentation し、object-level 3D hypothesis を生成 - (2) appearance-aware view retrieval、explicit scale search、visibility-sensitive registration で robot frame に anchor - (3) multi-view RGB-D evidence を object-canonical frame に back-project し、voxel occupancy を検証して hallucination を抑制 - 検証済み model を再利用可能な trusted object model として蓄積

- BOP-Industrial で average AR 0.657 を達成 - 実シーンで pose と voxel-level geometric consistency の改善を確認 - 実ロボットの connector assembly で grasp 99.67%、assembly 84.00% の成功率 - model library と pose-scale log により 0.02 ms/frame の object-level state maintenance を実現

- 要旨からは不明（具体的な limitation や failure case の議論は記述なし） - 明示されている範囲では single-view occlusion・generative bias・scale uncertainty への対処が主張の中心 - 実ロボット評価は connector assembly の一例であり、他物体・他タスクへの一般化は要旨からは不明

- BOP-Industrial（BOP benchmark の産業版） - zero-shot 6D pose estimation の代表手法（例: FoundationPose など、要旨では個別名の参照なし） - generative model を用いた 3D hypothesis 生成・reconstruction 関連手法 - visibility-sensitive registration / multi-view RGB-D fusion に関する研究 - 要旨で直接比較されている個別論文は明記されていないため、上記は同分野の一般名