设定：工业无纹理对象缺失可靠深度时，仅用多视角 RGB 恢复实例级 6D pose

输入：multi-view RGB

简述：DKPMV 不依赖深度，而以注意力聚合和对称性感知训练增强关键点网络，再通过三阶段渐进优化融合稠密的多视图关键点几何；官方摘要报告其在 ROBI 上超过多视图 RGB 与 RGB-D 对比方法。

设定：单张 RGB 中同时检测多个未见类别实例，并估计旋转、平移和尺度

输入：single monocular RGB

简述：YOPO 在检测 Transformer 上加入轻量 pose head、box-conditioned translation 和 6D-aware Hungarian cost，端到端联合检测与 9DoF pose；无需伪深度、CAD 或额外数据，摘要报告 REAL275 上 79.6% IoU50 与 54.1% 的 10°10cm。

设定：从 RGB-D 语义关键点联合求解类别实例的形状、旋转和平移，并判断解的全局最优性

输入：RGB-D + category-level semantic keypoints

简述：方法以线性 active shape model 表达未知形状，将 MAP shape–pose 问题写成单位四元数上的非线性特征值条件，并用 self-consistent field iteration 求解；拉格朗日乘子同时给出简洁的全局最优证书，可用于快速离群点剔除。

设定：以多视角 RGB onboarding 取代 CAD，并在普通或鱼眼 RGB query 中检测未见对象的 2D / 6D pose

输入：multi-view reference RGB + query RGB

简述：GFreeDet2 用 visual-hull initialization 与 projection-aware perspective cropping 从参考 RGB 重建 3D Gaussian 对象，统一处理 pinhole / fisheye 相机，并让现有基于 CAD 的 unseen-object 检测器以较小改动转向 model-free；摘要报告在三个 BOP-H3 数据集上达到新 SOTA。

设定：杂乱、照明变化和突变运动下，在边缘设备上完成新对象初始化与实时跟踪

输入：RGB-D + object mesh

简述：统一的 lighting-invariant color-pair 表示同时服务两个阶段：初始估计负责 live RGB-D 与 mesh 注册，轻量运动 tracker 则用相同颜色关系验证时序对应；设计重点是避免高精度初始化与低延迟跟踪各用一套不相容特征。

设定：运动模糊、低照和高速动态下，连续跟踪已知对象的 6DoF pose

输入：event stream + 3D model keypoints

简述：网络先在 event time surface 上检测关键点，再利用事件极性、坐标与局部密度连续传播；通过 2D–3D keypoint hash correspondence 和 EPnP 恢复 pose，保持了一条清晰、可解释的事件几何链路。

设定：跌落碰撞与灵巧在手操作中，对严重遮挡、快速运动的新对象持续跟踪

输入：vision + contact dynamics

简述：TwinTrack 的 Real2Sim 阶段由视觉初始化几何，再依据接触动力学一致性联合更新 geometry residual、质量、惯量和摩擦；Sim2Real 阶段自适应融合视觉 tracker 与接触动力学预测，在定制 MJX 引擎上实现超过 20 Hz。

设定：无深度传感器时，从单目视频在线跟踪并重建此前未见的对象

输入：monocular RGB video + object masks

简述：MGS-Track 用 mask-augmented DUSt3R 预测 correspondence 与 point map，作为在线 object-centric 3DGS 的几何先验，再 coarse-to-fine 联合优化 Gaussian 与 6DoF pose；容量感知增密和 mask-consistent pruning 用于控制模型随时间增长。

设定：快速运动导致 RGB-D 帧率不足或运动模糊时，低延迟追踪对象 6D pose

输入：event camera + object templates

简述：方法从 event-based optical flow 恢复 6D object velocity 并传播 pose，再以 template-based local correction 抑制累积误差；官方摘要指出其学习自由方案在高速对象上可超过部分现有方法。

设定：遮挡、噪声或部分模态缺失时，为小型精密对象闭环估计在手 pose

输入：vision + tactile + contact + CAD

简述：M-VTOP 将视觉、触觉与接触观测统一成几何中心的 mask 表示，由粒子滤波器维护多模态 belief 并持续细化；只需要对象 CAD、不做任务专属重训，且能在模态噪声或缺失时退化运行。

设定：长序列在手操作中，仅凭触觉表面标记稳定跟踪 6DoF，尤其抑制 yaw 漂移

输入：vision-based tactile marker point clouds

简述：InvariantCloud 利用触觉传感器表面 marker constellation 的全局不变性和唯一索引，执行 one-shot globally invariant point-cloud registration；相较局部累积方法，它重点改善 Z 轴 yaw、长序列漂移与失跟后的重定位重复性。

设定：接触会推动未知物体时，仅靠触觉以尽量少的机器人运动联合恢复形状和位置状态

输入：tactile contact sequence

简述：方法以不引入刚性接触数值刚度的 constraint-violation loss 在线辨识 cuboid / convex-polyhedral 几何，再用 Expected Information Gain 规划下一次接触；实验显示首次接触后不到 10 秒的随机数据即可形成可用模型，主动探索进一步加速收敛。

设定：对称、遮挡或部分可见导致多解时，不回归单点 pose，而估计完整多模态分布

输入：RGB-D

简述：SE(3)-PoseFlow 在李群流形上做 flow matching，以样本集合表达对称与严重遮挡下的多峰 pose posterior；除 Real275、YCB-V、LM-O 上的 pose 结果外，还将分布用于主动视点消歧和 uncertainty-aware grasp synthesis。

设定：真实装配现场中的工业工具和组件，兼顾实例级与 novel-object 6D pose

输入：RGB-D + static onboarding sequences

简述：IndustryShapes 的 classic set 含约 4.6K 图像与 6K 个 pose，覆盖单物体、多物体和同类多实例；extended set 进一步提供面向 model-free / sequence-based 方法的 RGB-D 静态 onboarding 序列，补足家居物体 benchmark 与工业部署之间的域差异。