来自日本芝浦工业大学的研究人员创建了一个创新的6D姿态数据集，旨在提高工业环境中机器人抓取的准确性和灵活性。该数据集结合了RGB和深度图像，具有显著的潜力，可以改善参与动态环境中拾取和放置操作的机器人的性能。
准确的物体姿态估计涉及机器人能够确定物体的位置和方向。这对于机器人技术而言至关重要，尤其是在拾取和放置任务中，这些任务对制造和物流等行业至关重要。随着机器人承担越来越复杂的任务，它们准确确定六个自由度（6D姿态）的能力——包括位置和方向——变得至关重要。这种能力使机器人能够可靠和安全地与物体进行交互。然而，尽管深度学习取得了一些进展，6D姿态估计算法的有效性仍受到训练数据质量的显著影响。
一项由芝浦工业大学工程学院的副教授范宣谭及其研究团队成员越南河内工业大学的阮文治博士、杜公睿先生和阮清岚博士，以及越南河内科技大学的副教授邓太越共同主导的开创性研究，介绍了一个精心构建的数据库，旨在提高6D姿态估计算法的能力。该数据集填补了机器人抓取和自动化研究中的关键空白，提供了一个全面的工具，帮助机器人在现实场景中更准确和灵活地执行任务。该研究于2024年11月23日在线公开，并于2024年12月发表在《工程成果》期刊第24卷上。
范教授评论道：“我们的愿景是构建一个不仅促进研究工作，还解决工业机器人自动化中现实挑战的数据集。我们希望这一资源对研究人员和工程师都能带来价值。”
研究团队开发了一个满足学术研究人员需求的数据集，同时适用于现实工业环境。通过使用英特尔RealSenseTM深度D435相机，他们捕获了高质量的RGB和深度图像，并为每个图像提供了包括旋转和位移在内的6D姿态数据注释。该数据集具有多样的形状和尺寸，通过数据增强技术进行了增强，以确保在各种环境场景中的灵活性。这种设计使得数据集非常适合于各种机器任务。
范教授补充道：“我们确保我们的数据集是在考虑到行业应用的情况下创建的。通过包含各种形状和环境条件，它为在动态和复杂环境中工作的研究人员和工程师提供了一个宝贵的工具。”
该数据集使用尖端的深度学习模型EfficientPose和FFB6D进行了测试，分别实现了97.05%和98.09%的令人印象深刻的准确率。这些高准确度水平表明，该数据集提供了可靠和准确的姿态信息，这对于机器人操作、制造中的质量保证和自主车辆的运行等任务至关重要。这些算法在数据集上的成功表现凸显了为需要精确度的机器人系统进行改进的潜力。
范教授强调：“尽管我们的数据集展示了矩形棱柱、梯形和圆柱等各种基本形状，将其扩展到更复杂和不寻常的物体将增强其现实相关性。”他还提到：“尽管英特尔RealSenseTM深度D435相机提供了出色的深度和RGB数据，但数据集对这款特定设备的依赖可能会限制缺乏类似资源的研究人员的可及性。”
尽管面临这些挑战，研究人员对数据集的影响充满希望。研究结果清楚表明，一个良好结构的数据集可以大幅提升6D姿态估计算法的能力，使机器人能够以更高的精确度和效率进行复杂任务。
“结果真的令人满意！”，范教授兴奋地说道。展望未来，团队计划扩大数据集，纳入更多样化的物体，并自动化数据收集过程的某些方面，以提高效率和可及性。这些步骤旨在进一步提升数据集的实用性，惠及研究界和依赖机器人自动化的行业。
