近日，哈爾濱工業大學計算學部劉賢明教授團隊在具身智能領域取得重要進展，提出了一種基于隱式神經網絡的6D物體位姿優化方法，顯著提升了物體定位的精度與效率。相關研究成果發表于《IEEE機器人匯刊》（IEEE Transactions on Robotics）。

6D位姿估計是機器人抓取、增強現實等應用的核心技術。針對相關問題，研究團隊提出了一種基于隱式神經網絡的優化框架，通過將目標物體的3D模型編碼為符號距離場，直接優化點云與模型表面的距離。與傳統方法相比，該方法具有高效性、魯棒性、通用性等多種優勢。研究團隊在合成與真實數據集上進行了廣泛測試。該技術可廣泛應用于工業機器人精準抓取、自動駕駛環境感知、AR/VR交互等領域。