FoundationPose是一个统一的6D物体姿态估计和跟踪框架，支持基于模型和无模型两种方式。该框架无需微调即可应用于新物体，通过大规模合成训练、大型语言模型辅助和创新架构实现强大泛化能力。在多个公共数据集的评估中，FoundationPose在challenging场景下显著优于现有方法，即使减少假设也能达到与实例级方法相当的效果。