机器人擅长进行相同的重复动作，例如在装配线上进行简单的任务。（拿起杯子。将其翻转中国机械网okmao.com。放下。）但是，当它们在环境中移动时，它们缺乏感知物体的能力。（一个人拿起杯子，将其放到随机的位置，机器人必须取回它。）

最近的研究是由伊利诺伊大学厄本那-香槟分校，英伟达公司，华盛顿大学和斯坦福大学的研究人员进行的。

大学在6D对象姿态估计上开发了一个过滤器，以赋予机器人更大的空间感知能力，以便他们可以操纵对象并更精确地在空间中导航。

而3-d姿势提供位置信息上X，Y，和的Z轴相对位置对象相对于相机-6D姿态给出一个更全面的了解。“

与描述飞行中的飞机非常相似，机器人还需要了解物体方向的三个维度-偏航，俯仰和滚动，”与该系副教授Timothy Bretl一起学习的博士生Xinke Deng说。 I of U航空航天工程学院

在现实环境中，所有六个维度都在不断变化。

邓说：“我们希望机器人能够在物体从一个位置移动到另一个位置时继续跟踪。”

邓说，这项工作是为了改善计算机视觉而做的。他和他的同事开发了一个过滤器，以帮助机器人分析空间数据。滤镜查看每个粒子或相机针对目标而收集的图像信息，以帮助减少判断错误。

Deng说：“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。” “每个粒子都像一个假设，是对我们要估计的位置和方向的猜测。粒子过滤器使用观察来计算其他粒子的信息重要性值。该过滤器消除了错误的估计。

邓说：“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，还没有一种系统来估计物体方向的全部分布。这为机器人的操纵提供了重要的不确定性信息。”

用于6D对象姿态跟踪的PoseRBPF框架概述。该方法利用Rao-Blackwellized粒子滤波器和自动编码器网络来从视频序列中估计目标对象的3D平移和3D旋转的完整分布。

该研究在Rao-Blackwellized粒子滤波框架中使用6D对象姿态跟踪，其中对象的3D旋转和3D平移是分开的。

这使研究人员的方法称为PoseRBPF，可以有效地估计对象的3-D平移以及3-D旋转上的完整分布。结果，PoseRBPF可以跟踪具有任意对称性的对象，同时仍保持适当的后验分布。

邓说：“我们的方法在两个6D姿态估计基准上获得了最先进的结果。”

在德国弗赖堡举行的机器人科学与系统会议上发表了题为“ PoseRBPF：用于6D对象姿态估计的Rao-Blackwellized粒子滤波器”的研究。它由邓新科，阿萨拉·穆萨维安，于翔，菲霞，蒂莫西·布雷特和迪特·福克斯共同撰写。