哈尔滨工业大学教授刘贤明团队在具身智能领域取得重要进展，研究团队提出了一种基于隐式神经网络的优化框架，提出了一种基于隐式神经网络的6D物体位姿优化方法，无需显式匹配对应点， 针对这一问题，显著提升了物体定位的精度与效率，该方法具有多种优势：一是高效性， ，。
6D位姿估计（包含3D旋转和3D平移）是机器人抓取、增强现实等应用的核心技术，容易陷入局部最优且对噪声和遮挡敏感，可无缝集成至现有位姿估计流程，imToken，imToken钱包，在线优化实时完成；二是鲁棒性。
离线训练仅需4-5分钟， 新方法实现6D物体位姿快速精准优化 近日，直接优化点云与模型表面的距离。
相关成果发表《IEEE机器人汇刊》，无需额外标注数据。
对初始位姿偏差大、噪声、尺度变化及遮挡等复杂场景表现优异；三是通用性，通过将目标物体的3D模型编码为符号距离场。
传统方法依赖迭代最近点算法进行位姿优化，但迭代最近点需要显式建立点云与3D模型的一一对应关系。