論文の概要: Pickalo: Leveraging 6D Pose Estimation for Low-Cost Industrial Bin Picking

• arxiv url: http://arxiv.org/abs/2604.04690v1
• Date: Mon, 06 Apr 2026 13:56:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.212991
• Title: Pickalo: Leveraging 6D Pose Estimation for Low-Cost Industrial Bin Picking
• Title（参考訳）: ピカロ:低コストインダストリアルビンピッキングにおける6D Poseの活用
• Authors: Alessandro Tarsi, Matteo Mastrogiuseppe, Saverio Taliani, Simone Cortinovis, Ugo Pattacini,
• Abstract要約: Pickaloは、低コストのハードウェアで構築されたモジュール式の6Dポーズベースのビンピッキングパイプラインである。 手首に搭載されたRGB-Dカメラは、複数の視点からシーンを積極的に探索する。 生のステレオストリームはブリッジデプスで処理され、洗練された深度マップが得られる。
• 参考スコア（独自算出の注目度）: 37.2521660642532
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bin picking in real industrial environments remains challenging due to severe clutter, occlusions, and the high cost of traditional 3D sensing setups. We present Pickalo, a modular 6D pose-based bin-picking pipeline built entirely on low-cost hardware. A wrist-mounted RGB-D camera actively explores the scene from multiple viewpoints, while raw stereo streams are processed with BridgeDepth to obtain refined depth maps suitable for accurate collision reasoning. Object instances are segmented with a Mask-RCNN model trained purely on photorealistic synthetic data and localized using the zero-shot SAM-6D pose estimator. A pose buffer module fuses multi-view observations over time, handling object symmetries and significantly reducing pose noise. Offline, we generate and curate large sets of antipodal grasp candidates per object; online, a utility-based ranking and fast collision checking are queried for the grasp planning. Deployed on a UR5e with a parallel-jaw gripper and an Intel RealSense D435i, Pickalo achieves up to 600 mean picks per hour with 96-99% grasp success and robust performance over 30-minute runs on densely filled euroboxes. Ablation studies demonstrate the benefits of enhanced depth estimation and of the pose buffer for long-term stability and throughput in realistic industrial conditions. Videos are available at https://mesh-iit.github.io/project-jl2-camozzi/
• Abstract（参考訳）: 産業環境におけるビンの取り出しは、厳しい乱雑さ、閉塞、そして従来の3Dセンシング装置の高コストのため、依然として困難である。 低コストなハードウェアで構築されたモジュール式6DポーズベースのビンピッキングパイプラインであるPickaloを紹介した。 手首に装着したRGB-Dカメラは、複数の視点からシーンを積極的に探索する一方、生ステレオストリームはブリッジデプスで処理され、正確な衝突推論に適した精細な深度マップが得られる。 オブジェクトインスタンスは、フォトリアリスティック合成データに基づいて純粋に訓練されたMask-RCNNモデルでセグメント化され、ゼロショットSAM-6Dポーズ推定器を用いてローカライズされる。 ポーズバッファモジュールは、時間とともに多視点観察を融合させ、オブジェクト対称性を扱い、ポーズノイズを著しく低減する。 オフラインでは,対象物ごとに大量の対足的把握候補を生成し,キュレートする。オンラインでは,実用性に基づくランキングと高速衝突チェックを検索して把握計画を行う。 パラレルジャウグリップとIntel RealSense D435iを備えたUR5e上に展開されたPickaloは、密集したユーロボックス上での30分間のランニングで96-99%の成功とロバストなパフォーマンスで、毎時600回のピックを達成している。 アブレーション実験は, 工業的条件下での長期安定性とスループット向上のために, 深度推定の強化とポーズバッファの利点を示す。 ビデオはhttps://mesh-iit.github.io/project-jl2-camozzi/で公開されている。

関連論文リスト

• SDT-6D: Fully Sparse Depth-Transformer for Staged End-to-End 6D Pose Estimation in Industrial Multi-View Bin Picking [0.0]
  我々は,多視点深度マップを微細な3次元点雲に融合させる,全体的深度のみの6次元ポーズ推定手法を提案する。 本フレームワークは完全にスパースで動作し,精密なポーズ推定に不可欠な精密な幾何学的細部を高精細度で表現することができる。 我々は最近発表されたIDDおよびMV-YCBマルチビューデータセットに対して本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2025-12-09T09:58:35Z)
• Any6D: Model-free 6D Pose Estimation of Novel Objects [76.30057578269668]
  我々は,6次元オブジェクトのポーズ推定のためのモデルフリーフレームワークであるAny6Dを紹介する。 新たなシーンでは、未知の物体の6Dポーズと大きさを推定するために、1枚のRGB-Dアンカー画像しか必要としない。 提案手法を5つの挑戦的データセットで評価する。
  論文  参考訳（メタデータ） (2025-03-24T13:46:21Z)
• PACE: A Large-Scale Dataset with Pose Annotations in Cluttered Environments [50.79058028754952]
  PACE(Pose s in Cluttered Environments)は、散在シナリオにおけるポーズ推定手法の大規模ベンチマークである。 ベンチマークは55Kフレームで構成され、300の動画に258Kのアノテーションがあり、43のカテゴリから238のオブジェクトをカバーしている。 PACE-Simには、931オブジェクトにわたる2.4Mアノテーションを備えた100Kのフォトリアリスティックシミュレートフレームが含まれている。
  論文  参考訳（メタデータ） (2023-12-23T01:38:41Z)
• Learning to Estimate 6DoF Pose from Limited Data: A Few-Shot, Generalizable Approach using RGB Images [60.0898989456276]
  本稿では,数ショットの6DoFポーズ推定のためのCas6Dという新しいフレームワークを提案する。 極めて少数の設定で対象物検出の偽陽性に対処するために,本フレームワークでは,自己教師付き事前学習型ViTを用いて,ロバストな特徴表現を学習する。 LINEMODとGenMOPデータセットの実験結果は、Cas6Dが32ショット設定で最先端の手法を9.2%、精度3.8%(Proj-5)で上回ることを示した。
  論文  参考訳（メタデータ） (2023-06-13T07:45:42Z)
• CabiNet: Scaling Neural Collision Detection for Object Rearrangement with Procedural Scene Generation [54.68738348071891]
  私たちはまず、さまざまな日常環境において、650万以上の散らばったシーン(前よりも桁違いに多い)を生成します。 このデータから合成部分点雲をレンダリングし、それをCabiNetモデルアーキテクチャのトレーニングに使用します。 CabiNetは、オブジェクトとシーンポイントの雲を受け入れる衝突モデルである。
  論文  参考訳（メタデータ） (2023-04-18T21:09:55Z)
• Model-Based Underwater 6D Pose Estimation from RGB [1.9160624126555885]
  本研究では,2次元物体検出を応用して,異なる水中シナリオにおける6次元ポーズ推定を確実に計算する手法を提案する。 すべてのオブジェクトとシーンは、オブジェクト検出とポーズ推定のためのアノテーションを含むオープンソースのデータセットで利用可能である。
  論文  参考訳（メタデータ） (2023-02-14T04:27:03Z)
• ROFT: Real-Time Optical Flow-Aided 6D Object Pose and Velocity Tracking [7.617467911329272]
  RGB-D画像ストリームからの6次元オブジェクトポーズと速度追跡のためのカルマンフィルタ手法であるROFTを導入する。 リアルタイム光フローを活用することで、ROFTは低フレームレートの畳み込みニューラルネットワークの遅延出力をインスタンスセグメンテーションと6Dオブジェクトのポーズ推定に同期させる。 その結果,本手法は6次元オブジェクトのポーズトラッキングと6次元オブジェクトの速度トラッキングを併用しながら,最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-11-06T07:30:00Z)
• Single Shot 6D Object Pose Estimation [11.37625512264302]
  深度画像に基づく剛体物体の6次元オブジェクトポーズ推定のための新しい単一ショット手法を提案する。 完全な畳み込みニューラルネットワークを用い、3次元入力データを空間的に離散化し、ポーズ推定を回帰タスクとみなす。 GPU上の65fpsでは、Object Pose Network(OP-Net)は非常に高速で、エンドツーエンドに最適化され、画像内の複数のオブジェクトの6Dポーズを同時に推定する。
  論文  参考訳（メタデータ） (2020-04-27T11:59:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。