SO6D: Symmetry-aware Octree Encoding for Textureless Objects’ 6D Pose Estimation

現代の製造業という活気ある世界において、ロボットは部品の組み立て、コンポーネントの仕分け、箱の積み重ねといった繊細な作業を担うことがますます増えています。これを行うためには、ロボットが物体の正確な位置と、空間内でどのように回転しているかを知る必要があります。これは「6次元ポーズ推定」として知られており、その言葉の意味は単純に、物体の3次元的な位置と3次元的な向きを特定することです。これは、独特な形状を持つアイテムにとっては単純に聞こえるかもしれませんが、物体が対称的である場合には、深いパズルへと変わります。何の変哲もない金属製のシリンダーや、平らな正方形のプレートを想像してみてください。これらの形状は、多くの角度から見ると同じように見えます。コンピュータビジョンシステムにとって、90度回転したシリンダーは元のものと同一に見えるため、どちらが上を向いているのか、あるいはどちらの側面が前を向いているのかを判別できず、混乱が生じる状況を作り出します。この曖昧さは標準的なビジョンシステムを躓かせ、生産ライン全体を停止させるようなエラーを引き起こします。

上海理工大学の研究者たちは、この特定の問題を解決するために、表面にテクスチャがなく対称性を備えた物体に焦点を当てた新しいアプローチを開発しました。彼らの手法は「SO6D」と呼ばれ、この課題を単一の推測としてではなく、「符号化（エンコーディング）、投票、そして洗練（リファインメント）」という構造化されたプロセスとして扱います。あらゆる微細なディテールを、すべての点が固有であると仮定する方法で3Dモデルに一致させようとする代わりに、チームは、物体の異なる部分が実際には同じものであることを認識するシステムを設計しました。彼らは、物体の表面を、都市がブロックに分割されているのと似たグリッド状の構造に整理することでこれを実現しました。ただし、そこには特別なルールがあります。鏡像関係にある点は、全く同じデジタルラベルを与えられるのです。これにより、コンピュータは対称的な特徴を見たときに混乱することなく、同一の部分を区別された矛盾する手がかりとしてではなく、同一のものとして扱うことができます。

物体がこれらの対称性を考慮したコードでラベル付けされると、システムは次の段階、すなわち物体の中心を見つける工程へと進みます。コンピュータが物体を見つめ、目に見えるすべての点に対して「もしあなたが完全な円の一部だとしたら、中心はどこになりますか？」と問いかける様子を想像してください。各点は空間内の特定の場所に対して票を投じます。システムはこれらすべての票を集め、それらが最も重なり合う地点を見つけ出し、効果的に物体の中心を特定します。これは、物体の一部が隠れていたり照明が暗かったりする場合でも、中心を見つけ出すための堅牢な方法です。中心を見つけた後、システムは物体の向きを決定します。ボトルなどの軸に対して対称な物体については、中央を貫く線を計算します。箱のように平面に対して対称な物体については、物体を二等分する平らな面を計算します。これは、データの間の最適な直線または平面を見つけ出す数学的手法を用いて行われ、初期のビューにおけるノイズやエラーを平滑化します。

最終ステップでは、ポーズを確定させるための入念な洗練プロセスが行われます。システムは初期の推測を行い、ロボットの視界と3Dモデルとの間の距離を常にチェックしながら、一連の調整を行います。しかし、盲目的に点を一致させようとして誤った答えに固執してしまう古い手法とは異なり、このシステムは先ほど作成した特別なコードを使用します。システムは、対称性のコードを共有する点のみを比較するため、対称性を崩すような形で左側を右側に一致させようとすることがありません。これにより、物体が一部遮られていても、システムは迅速かつ正確に正しい位置へと収束することができます。

研究者たちは、対称および非対称の物体を含む2つの有名なデータセットを用いて、彼らの手法をテストしました。一般的な家庭用品のセットを用いたテストでは、彼らのシステムは従来の主要な手法を凌駕し、対称的な物体の位置と角度を正しく特定する成功率において高い成果を上げました。対称性をテストするために特別に設計されたより困難なデータセットにおいても、この新しいアプローチは、特に3Dモデルを現実世界の物体にどれだけ良く適合させられるかという点で、大幅な精度の向上を示しました。システムは、強い影や物体が部分的にしか見えないといった困難な条件下でも対処できる能力を証明しましたが、これは他のシステムが失敗しやすい状況です。この手法は、各タイプの物体に対して特定のモデルのトレーニングを必要としますが、その結果は、それがもたらす信頼性の面で価値があることを示唆しています。この研究は、コンピュータに対して対称性と戦うのではなく、対称性を理解するように明示的に教え込むことで、機械が新たなレベルの精度で世界を把握し操作できることを実証しています。