近日，哈尔滨工业大学计算学部刘贤明教授团队在具身智能领域取得重要进展，提出了一种基于隐式神经网络的6D物体位姿优化方法，显著提升了物体定位的精度与效率。相关研究成果以《基于隐式表面优化的快速而精确的6D物体姿态修正方法》为题，发表于《IEEE机器人汇刊》。该项技术可广泛应用于工业机器人精准抓取、自动驾驶环境感知、AR/VR交互等领域。
6D位姿估计(包含3D旋转和3D平移)是机器人抓取、增强现实等应用的核心技术。传统方法依赖迭代最近点(ICP)算法进行位姿优化，但迭代最近点(ICP)需要显式建立点云与3D模型的一一对应关系，易陷入局部最优且对噪声和遮挡敏感。针对这一问题，研究团队提出了一种基于隐式神经网络的优化框架，通过将目标物体的3D模型编码为符号距离场(SDF)，直接优化点云与模型表面的距离，无需显式匹配对应点。该方法具有多种优势。研究团队在合成与真实数据集上进行了广泛测试。
据悉，该技术可广泛应用于工业机器人精准抓取、自动驾驶环境感知、AR/VR交互等领域。哈工大为论文第一单位。计算学部刘贤明教授为论文通讯作者，博士研究生庞博为论文第一作者。该研究工作受到国家自然科学基金重大研究计划等项目资助。
阚思邈 刘贤明 哈尔滨日报记者 王铁军 纪天伟
编辑 李鹏
