RoPT : suivi robuste de la pose 6DoF d'objets dans une vidéo

Des chercheurs présentent RoPT, un cadre de suivi de pose 6DoF d'objets (position et orientation en trois dimensions) à partir d'une simple vidéo monoculaire, publié sur arXiv en octobre 2026. Le système vise un défaut connu des trackers monoculaires classiques: la divergence brutale dès que l'objet bouge vite. RoPT combine trois briques. Un module de perception suit les masques d'objets pour tolérer les occlusions partielles et sévères. Un graphe de facteurs cinématique régularise les mises à jour image par image, prédit la pose suivante et alimente une vérification parallèle de plusieurs hypothèses, afin d'échapper aux minima locaux. Enfin, un module de re-localisation active détecte l'échec du suivi et relance une estimation globale. Les auteurs annoncent des résultats supérieurs sur plusieurs benchmarks et des démonstrations sur robot réel. Le résumé ne fournit toutefois aucun chiffre: ni taux de survie du suivi, ni latence, ni matériel, ni comparaison nominative.

L'enjeu est pratique. Pour la manipulation sur convoyeur, le tri en vrac ou le geste de passation homme-robot, un tracker qui décroche sur un objet rapide force à relancer une détection complète, avec des pertes de cycle et des saisies ratées. Le passage d'un fonctionnement en boucle ouverte à une boucle fermée consciente de ses échecs répond à ce besoin de robustesse, plus décisif en production que la précision moyenne. Il faut rester prudent: "survivabilité du suivi" est une métrique choisie par les auteurs, et sans temps de calcul publié, on ignore si l'approche tient le temps réel avec plusieurs hypothèses en parallèle, ni si elle exige des modèles d'objets connus.

Ce travail s'inscrit dans une lignée de méthodes de pose d'objets qui ont progressé ces dernières années, de FoundationPose à BundleSDF, avec des approches fondées sur des modèles de fondation et des masques de segmentation. La plupart restent sensibles aux mouvements rapides et aux occlusions prolongées. RoPT répond en ajoutant de la structure temporelle et un mécanisme de reprise, plutôt qu'un modèle plus gros. La suite dépendra de la publication du code, de mesures de latence sur matériel embarqué et d'essais en environnement industriel. Pour les intégrateurs, il s'agit pour l'instant d'une contribution de recherche, pas d'un produit livré.