本研究提出了一种语言引导的少样本3D重建方法，解决了传统6D物体姿态估计对大数据集和高计算成本的依赖。该方法通过处理少量图像和语言查询，实现了高质量的3D网格重建，显著提高了准确性和效率。

该文章介绍了HANDAL数据集，用于物体姿态估计和可用性预测。数据集包含212个真实世界物体的2.2k个视频和308k个带注释的图像帧。作者强调数据集适合机器人操纵的物体，如钳子、器具和螺丝刀，并提供了物体的三维重建网格。

该文介绍了HANDAL数据集，用于物体姿态估计和可用性预测。数据集包含212个真实世界物体的2.2k个视频，共308k个带注释的图像帧。该数据集在类别级别姿态+尺度估计和相关任务中具有有用性。同时提供了所有物体的三维重建网格，并概述了推动收集这类数据集普及化的一些瓶颈。