设定：重遮挡抓取场景中，恢复已知对象的实例级 6D pose

输入：RGB-D + object model

简述：方法用深度引导的 GNN 建模遮挡场景中复杂的表面点关系，再自适应融合 object mask 与 binary code 两类语义以增强 2D–3D correspondence；论文在 LM-O、YCB-V 和真实抓取测试中验证，对部分对象的遮挡提升尤其明显。

设定：无对象专属训练时，对随机堆叠、弱纹理工件估计 6D pose

输入：RGB-D scene + CAD model

简述：ZeroBP 的 Position-Aware Correspondence 同时利用局部特征和全局位置，缓解纹理缺失、相似局部区域造成的错误匹配；在 ROBI 上，论文报告相对现有 zero-shot pose 方法的正确位姿平均召回率提升 9.1%。

设定：工业无序抓取中，不重训即可接入新对象并处理有纹理的对称工件

输入：RGB-D + CAD model

简述：方法先实时渲染 CAD templates 获得 coarse pose，再用与相机视角对齐的 semantic point-pair features 细化；设计重点是保留传统几何方法免训练、易部署的优势，同时改善纹理对称对象上的歧义。

设定：反光、无纹理和重遮挡的 bin-picking 中，以多相机互补视角提升 6D pose

输入：multi-view RGB-D

简述：Feature Exchange Transformer 结合 self-attention 与 epipolar cross-attention，在多个网络层执行 coarse-to-fine feature exchange；作为 EpiSurfEmb 的多视图增强，它在 ROBI 上超过原基线和其他 multi-view pose 方法。

设定：单张 RGB 中，对类内未知实例同时估计旋转、平移和尺度

输入：monocular RGB

简述：MonoDiff9D 先以 DINOv2 零样本粗深度构造 point cloud，再融合图像与点云全局特征，并以 timestep-conditioned Transformer denoiser 从高斯噪声恢复 9D pose；整个流程不需要类内 CAD 或 shape prior。

设定：用同一个端到端网络处理类别级和实例级 RGB object pose

输入：single RGB + category prior features

简述：CIPE 从 RGB 直接回归 pose，使用可学习 rotation representation 将旋转学习重新放入欧氏空间，并通过 prior-query fusion 把预训练点云特征与 bounding-box queries 融合；论文在两类任务数据集上都优于已有 RGB-only 方法。

设定：对未见可动物体同时分割部件实例，并估计各部件 pose 与尺度

输入：point cloud

简述：YOEO 联合预测逐点语义标签、centroid offsets 和 NPCS，通过中心投票聚类区分部件实例，再将分离后的 NPCS 区域与真实点云对齐恢复 pose / size；它针对传统 articulated pose 多阶段 pipeline 的延迟与误差传播问题。

设定：没有已知 3D 模型或类别时，从一次观察联合估计完整形状与 pose 多解

输入：single partial observation

简述：OmniShape 将 shape completion 解耦为两个条件分布：观测如何投影进 normalized object frame，以及 triplanar neural field 上的几何先验；两个 diffusion models 组合后可生成多组一致的 pose–shape hypotheses。

设定：只有一次对象交互示范时，将有语义意义的相对姿态迁移到新对象组合

输入：single-view RGB-D example

简述：方法自动检测交互部件，以几何和视觉语义特征执行 one-shot part correspondence；给定一组对象的示范相对 pose，可为新的对象实例预测语义等价的 cross-pose，例如工具与目标物体之间的瓶颈姿态。

设定：多指手严重自遮挡时，用低分辨率二值接触补足视觉位姿

输入：RGB-D + hand proprioception + binary tactile contacts

简述：方法以 FoundationPose 等视觉输出初始化，在因子图中联合视觉量测、手部本体感觉、二值接触距离和 non-penetration constraint，并用 robust cost 抑制离群值；17 个 YCB 对象仿真与真实多指手实验均显示高遮挡 / 高视觉噪声下的收益。

设定：抓持对象滑移或接触对象被推动时，持续修正两个对象的动态 pose

输入：vision + tactile displacement

简述：方法以粒子滤波融合视觉与触觉：视觉实时追踪被接触对象，触觉位移则估计手中对象的 pose change；13 个不同几何对象的实验覆盖滑移和受迫运动，目标是让高精度操作在交互状态变化后仍能继续。

设定：新对象在抓取、搬运和双手交接中发生遮挡或视觉跟踪灾难性失败

输入：visual pose backbone + tactile + proprioception

简述：ViTa-Zero 把 gripper–object interaction 建模为 spring–mass system：触觉接触产生吸引力，本体感觉 / 穿透约束产生排斥力，并只在视觉 pose 不满足物理可行性时做 test-time optimization；可叠加 FoundationPose 或 MegaPose，且无需专门触觉训练集。