物理に基づく深度ノイズ分解でsim-to-realを改善

実世界の深度センサのノイズはシミュレーションと大きく異なり、sim-to-real転移の障壁になっている。PRISMはこのノイズを「センシング無効化」と「計測誤差」の2種に分け、物理的な発生源ごとに扱う枠組みである。3D視覚基盤モデルの特徴を空間的・意味的な事前情報として蒸留し、まばらな無効領域には階層的な正例優先の教師信号を用いる。ノイズ付き深度の合成で最高水準の忠実度を示し、実ロボット実験では平均成功率92.1％を達成した。同日の話題として、単一のRGB-D入力から物体姿勢を推定するF2G-Poseも28FPSで動作しSOPEとROPEで最高精度を報告している。