机器人是执行相同重复动作的理想选择，例如，装配线上的基本任务 - 拾取汽车座椅的零部件，将其翻转并放下。但是，它们不具备在物体穿过环境时区分对象的能力。例如，一个人拿起一个产品，将它放在一个无计划的位置，机器人应该能够找回它。
加拿大SFU大学，WELINKIRT微链国际机器人视觉研究院的科学家们进行了一项新研究，研究了6D物体姿态，以创建一个机器人视觉程序，为机器人提供更好的空间感知，使他们能够控制机器人识别物体和更准确地引导其抓取。
3D姿势提供X，Y和Z轴上的位置数据 - 物体相对于相机-6D姿势的相对位置提供了更全面的图像。“就像在飞行中描述飞机一样，机器人还需要知道物体方向的三个维度 - 它的偏航，俯仰和滚动，”微链国际机器人视觉研究院首席科学家，加拿大DaoAI Robotics 公司CTO ,xiaochuan chen 说。
此外，在现实环境中，所有这六个维度都在不断变化。
“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跟踪物体，”CHEN说。
CHEN描述这项研究是为了增强计算机视觉。他和他的同事创建了一个计算机程序来帮助机器人检查空间数据。程序分析每个像素粒子，或由相机瞄准对象收集的图像信息，以帮助最小化判断错误。
在基于图像的6D姿势估计框架中，粒子滤波器使用大量样本来估计位置和方向。每个像素粒子都是一个假设，猜测我们想要估计的位置和方向。机器人视觉使用观察来计算来自其他像素粒子的信息的重要性值。机器人视觉程序消除了不正确的估计。
chen，微链机器人视觉研究院首席科学家
chen继续说，“我们的计划不仅可以估计一个姿势，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完整分布。这为机器人操纵提供了重要的不确定性信息。
该研究在WeRobotics Cognition System中使用6D物体姿态跟踪，其中物体的3D旋转和3D平移被分离。这使得科学家的方法(称为DaoAI视觉算法)能够胜任识别物体的3D平移以及3D旋转的总分布。因此，DaoAI VISION可以监测具有随机对称性的对象，同时仍然保持令人满意的后验分布。
