Pollen-Vision：機械人零樣本視覺模型的統一介面

Pollen Robotics 推出開源 pollen-vision 函式庫，整合零樣本視覺模型，支援以影像和文字輸入建立物件偵測及分割流程。首批模型包括 OWL-VIT、Mobile Sam 和 RAM，並結合深度資訊估算物件在 3D 空間中的 (x, y, z) 位置，為機械人抓取提供基礎。目前尚未支援完整 6D 姿態估計，OWL-VIT 的偵測結果亦可能不一致。