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。相关研究成果发表于《IEEE机器人汇刊》（IEEE Transactions on Robotics）。
6D位姿估计是机器人抓取、增强现实等应用的核心技术。针对相关问题，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，直接优化点云与模型表面的距离。与传统方法相比，该方法具有高效性、鲁棒性、通用性等多种优势。研究团队在合成与真实数据集上进行了广泛测试。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。