机器人擅长做相同的重复性动作，比如装配线上的简单任务。(拿起一个杯子。把它结束了。放下)。但是他们缺乏感知物体在环境中移动的能力。(一个人拿起一个杯子，把它放在一个随机的位置，机器人必须把它找回来。)伊利诺伊大学厄巴纳-香槟分校、英伟达大学、华盛顿大学和斯坦福大学的研究人员最近进行了一项关于6D物体姿态估计的研究，目的是开发一种过滤器，使机器人具有更强的空间感知能力，从而能够更准确地操纵物体和在空间中导航。
3D位姿提供了X轴、Y轴和Z轴上的位置信息——物体相对于相机的相对位置——而6D位姿则提供了更完整的图像。就像描述飞行中的飞机一样，机器人还需要知道物体的三个维度，它的偏航，俯仰和滚动。
在现实环境中，这六个维度都在不断变化。
研究人员希望机器人能够在物体从一个位置移动到另一个位置时跟踪物体。
这项工作目的是为了改善计算机视觉。研究人员开发了一种过滤器来帮助机器人分析空间数据。该过滤器会观察每一个粒子，或相机收集到的一片图像信息，以帮助减少判断错误。
在基于图像的6D姿态估计框架中，粒子滤波器使用大量样本来估计位置和方向，每个粒子都像是一个假设，一个关于我们想要估计的位置和方向的猜测。粒子滤波利用观测来计算来自其他粒子的信息的重要性，过滤器消除了不正确的估计。
我们的程序不仅可以估计单个姿势，还可以估计物体方向的不确定性分布。以前，还没有一个系统来估计物体方向的完整分布。这为机器人操纵提供了重要的不确定性信息。
本研究采用Rao-Blackwellized粒子滤波框架下的6D目标位姿跟踪，将目标的三维旋转和三维平移分离。这使得研究人员的方法，称为PoseRBPF，能够有效地估计出物体的三维平移以及整个三维旋转的分布。因此，PoseRBPF能够在保持足够后验分布的同时，跟踪具有任意对称性的目标。
研究方法方法在两个6D姿态估计基准上实现了最先进的结果。
该研究“PoseRBPF：用于6D物体姿态估计的Rao-Blackwellized粒子滤波器”在德国弗赖堡的机器人科学与系统会议上发表。它由邓新科，Arsala Mousavian，Yu Xiang，Fei Xia，Timothy Bretl和Dieter Fox共同撰写。
