机器之心 (微信公众号)T2·72 分
复旦团队提出 F2G-Pose 单次前向预测物体位姿与形状
原标题:NeurIPS 2026 | F2G-Pose:一次前向预测物体位姿、尺寸与完整形状
- 单次前向推理即可同时输出物体 6D 位姿、尺寸与完整三维形状,避免反复生成候选姿态
- 不依赖逐物体 CAD 模型或参考图像,面向未见过的物体实例
- 论文被 NeurIPS 2026 接收,代码已在 GitHub 开源
AI 聚合热点事件 · 2026/11/22
复旦大学与上海创智学院团队提出 F2G-Pose,在类别级 6D 位姿估计任务中实现单次前向推理同时输出物体位姿、尺寸与完整三维形状,无需逐物体 CAD 模型或参考图像。该工作已被 NeurIPS 2026 接收,并开源代码,为机器人抓取与操作提供更直接的空间感知路径。
曲线只比较全程持续完整观测的同一批信源;缺口小时数据已插值平滑,保持趋势连续。
原标题:NeurIPS 2026 | F2G-Pose:一次前向预测物体位姿、尺寸与完整形状