设定：类别内形状与尺度变化下，仅从单幅 RGB 估计 6D pose

输入：RGB

简述：以 transformer 预测并融合图像与几何特征，再用几何引导的 correspondence 估计和 RANSAC-PnP 恢复姿态；求解阶段显式处理类别实例尺度变化，目标是在不依赖深度的前提下提升类别级泛化。

设定：外观和几何高度变化的香蕉等农业对象，联合估计 6D pose 与实例形变

输入：RGB

简述：网络预测对象相对基础网格的 lattice deformation 与 6D pose，并用 Stable Diffusion 细化合成图纹理；论文建立香蕉位姿基准，并与 MegaPose 等方法比较，展示类别级形变建模在农业操作中的价值。

设定：跨类别形状变化与对称歧义下，学习符合人类语义的朝上和朝前 canonical pose

输入：point cloud / 3D shape

简述：采用 Siamese Vector Neurons 模块保持 SE(3) 等变性，以自监督方式解耦形状与姿态；再通过 Siamese equivariant constraint、自动生成的 upright surface 标签和 symmetry-aware losses 学习稳定的朝上与朝前规范坐标系。

设定：不依赖实例 CAD 或类别形状先验的类别级 pose 与尺寸估计

输入：RGB + point cloud + category text

简述：以 attention queries 和 soft heatmaps 自监督发现对象关键点，使用图结构刻画关键点关系，再融合 RGB、点云与类别文本特征完成姿态估计；在 CAMERA25、REAL275 和 HouseCat6D 上验证，无需类别 shape prior。

设定：严重遮挡下的类别级 6D pose，并在机械臂抓取中验证

输入：RGB-D

简述：以 2D/3D 观测作为条件，在 diffusion 反向过程利用隐式 correspondence、perceptual distance 与对象遮挡关系约束姿态分布；除公开基准外，还在 UR5 抓取系统中测试遮挡场景。

设定：把高性能但昂贵的 3D 局部描述子压缩到可用于零样本 6D pose 的学生模型

输入：point cloud / depth

简述：从 GeDi 教师蒸馏高效学生描述子，并用大规模遮挡与部分观测训练；针对教师在非显著局部区域的不可靠描述，设计弱监督损失抑制错误知识传递，在 5 个 BOP 数据集上评估零样本 pose。

设定：遮挡和对称情况下，仅回归当前视角真正有信息的对象关键点

输入：RGB

简述：从对象标注和对称性生成 3D keypoint visibility 标签，以 PageRank 计算连续关键点重要度，并将可见性与重要度注入 pose 网络；方法可接入 CAD-based 与 CAD-free 表示，在 LM、LM-O、YCB-V 上验证。

设定：把 CAD 的多视图外观和 3D 几何组织为可检索知识库，辅助遮挡视角 pose

输入：RGB + CAD multiview images + point cloud

简述：离线构建包含 CAD 多视图视觉特征和 3D 点的知识库，以 ReSPC 检索与查询最相关的视角和几何证据，再由 retrieval-augmented decoder 预测 6D pose；重点改善遮挡与未见视角。

设定：将大型关键点 pose teacher 压缩到资源受限设备，同时避免蒸馏不可靠预测

输入：RGB

简述：以 teacher 的关键点不确定性调节知识传递，并在关键位置对齐中间特征，使 student 重点学习对 pose 有贡献且置信度较高的知识；在 LINEMOD 和 SPEED+ 上比较精度、模型规模与效率。

设定：相机和对象同时快速运动、ROI 剧烈变化时的实时 6D pose tracking

输入：RGB-D / VIO

简述：先用 VIO 补偿相机运动造成的 ROI 位移，以深度信息增强 2D tracking；再由 VIO-guided Kalman filter 预测旋转与多个 pose candidates，分层 refinement 后将结果反馈到下一帧，无需为新对象重新训练。

设定：单目短视频中，相机与对象均可能运动的短期 pose tracking

输入：monocular RGB video

简述：发布面向短期单目动态对象跟踪的大规模合成数据与评测协议，同时提出 uncertainty-aware keypoint refinement baseline；并在真实数据上检验从合成动态场景向现实视频的泛化。

设定：部署阶段无深度输入，利用真实尺度 CAD 从 RGB 视频初始化并持续跟踪

输入：RGB video + CAD model

简述：在 FoundationPose 式 render-and-compare 基础上用二分搜索恢复对象深度，引入 XMem、Kalman filter 和状态机维持 mask、运动预测与失败恢复；若 CAD 尺度未知，也可由初始深度估计反推。

设定：普通帧出现运动模糊或更新率不足时的高速 6DoF object tracking

输入：events + RGB-D / low-rate RGB pose

简述：从事件光流估计对象 6DoF 速度，以同步 depth 和 interaction matrix 建立 2D–3D 运动约束，再用 5 Hz RGB global pose estimator 抑制积分漂移；高速优势有四对象合成定量支撑，真实序列仅作定性验证。

设定：高反光金属家居和工业对象在光照、背景变化下的实例级 pose

输入：RGB

简述：发布含 60 个金属对象、9 万张训练图的 IGD BOP-compatible 合成数据集；分别在 GDRNPP 中加入曲率关键点热图和“理想材质”图像重建分支。两条路线均只在合成测试集验证，尚无真实金属场景或联合模型结果。

设定：从紧密堆叠对象中选择可安全抓取的顶层实例，并估计其 6DoF pose

输入：RGB + IMU + CAD

简述：以 YOLOv8 + RGB-only ZebraPose 产生候选，用 IMU 重力方向排序砖块高度，再按 modal / rendered-amodal mask 面积比筛除遮挡对象；12K 合成数据上的 top-1 自定义 precision-mAP 为 0.79，真实工地仅作视频展示。

设定：不贴人工标记，从单幅术野图像校准并初始化手术机器人器械 pose tracking

输入：monocular RGB + robot geometry

简述：从单幅 640×480 内窥镜 RGB、SAM2 mask、dVRK CAD / 运动学和不准确关节角出发，在 RCM-compatible 四维空间中优化 500 个候选，再联合细化相机—机器人外参与末端三关节。真实实验验证 RCM consistency 和开放环抓取，但没有绝对外参真值或 runtime；在线 tracking 仍是未来工作。

设定：仅用单目术野视频恢复手术工具轨迹、基座位姿与关节角，供机器人学习使用

输入：monocular RGB video + articulated tool model

简述：首帧从 3×3 mask-center 网格和 36 个视轴角度构造 324 个候选，再以关节条件 3D Gaussian Splatting 联合细化 6D pose 与三个关节角，后续逐帧 warm start。两任务 ADE 为 9.7 / 12.0 mm；估计轨迹监督的策略成功率为 70% / 60%，低于真值监督的 100% / 80%。