针对这一挑战，北京智源人工智能研究院（BAAI）可控世界模型创新中心赵昊团队提出了 OnePoseViaGen：该方法无需预设 3D 模型，仅依赖单张RGBD参考图像，即可在未知物体上实现高精 度 6D 位姿估计。相关论文 "One View, Many Worlds: Single-Image to 3D Object Meets Generative Domain Randomization for One-Shot 6D Pose Estimation"入选 CoRL 2025 Oral。 北京商报讯（记者 魏蔚）10月27日，智源研究院宣布，单图高精度6D位姿估计方法开源，让机器人"一 眼看懂"陌生物体。传统6D位姿估计方法大多依赖高质量CAD模型或多视角重建，难以满足动态、实时 的实际需求。现有的单张图像推理方法则普遍受限于尺度、外观和姿态的模糊性。正因如此，尽管近年 来视觉-语言-动作（VLA）模型在宽容度较高的任务中取得进展，但在毫米级精度的操作场景中，感知 —控制链条仍难以闭合，制约了机器人通用操作能力的进一步提升。 ...