(相關資料圖)

北京商報訊（記者 魏蔚）10月27日，智源研究院宣布，單圖高精度6D位姿估計方法開源，讓機器人"一眼看懂"陌生物體。傳統6D位姿估計方法大多依賴高質量CAD模型或多視角重建，難以滿足動態、實時的實際需求。現有的單張圖像推理方法則普遍受限于尺度、外觀和姿態的模糊性。正因如此，盡管近年來視覺-語言-動作（VLA）模型在寬容度較高的任務中取得進展，但在毫米級精度的操作場景中，感知—控制鏈條仍難以閉合，制約了機器人通用操作能力的進一步提升。

針對這一挑戰，北京智源人工智能研究院（BAAI）可控世界模型創新中心趙昊團隊提出了OnePoseViaGen：該方法無需預設 3D 模型，僅依賴單張RGBD參考圖像，即可在未知物體上實現高精度 6D 位姿估計。相關論文 "One View, Many Worlds: Single-Image to 3D Object Meets Generative Domain Randomization for One-Shot 6D Pose Estimation"入選 CoRL 2025 Oral。