تعقب وضعية الأشياء في ستة أبعاد (6D) ضمن سلاسل الفيديو مهم لعمليات التحكم الروبوتيكي. ومع ذلك، فإن معظم الجهود السابقة غالبًا ما تفترض توفر نموذج CAD للهدف، على الأقل على مستوى الفئة، للتدريب المسبق أو خلال مطابقة القالب في الوقت الحقيقي. يقترح هذا البحث إطارًا عامًا يُسمى BundleTrack لتعقب وضعية الأشياء الجديدة في ستة أبعاد، والذي لا يعتمد على النماذج ثلاثية الأبعاد سواء على مستوى الحالة أو الفئة. يستفيد الإطار من السمات المكملة للأبحاث الحديثة في التعلم العميق للتقسيم واستخراج الخصائص المتينة، بالإضافة إلى تحسين الرسم البياني للوضعية المعزز بالذاكرة لتحقيق التناسق الزماني والمكاني. هذا يمكّن من التعقب طويل الأمد بانحراف قليل تحت سيناريوهات مختلفة وصعبة، بما في ذلك الإغفالات الكبيرة وحركات الأشياء. تظهر التجارب الشاملة باستخدام معيارين عامين أن النهج المقترح يتفوق بشكل كبير على أفضل الأساليب الحالية لتعقب الوضعية في ستة أبعاد على مستوى الفئة أو طرق SLAM الديناميكية. عند المقارنة مع أفضل الأساليب الحالية التي تعتمد على نموذج CAD للحالة الخاصة بالهدف، يتم تحقيق أداء مكافئ رغم الحاجة إلى معلومات أقل في الطريقة المقترحة. توفر التنفيذ الكفؤ باستخدام CUDA أداءً فعليًا بمعدل 10 هرتز للمخطط بأكمله. يمكن الوصول إلى الكود عبر الرابط:https://github.com/wenbowen123/BundleTrack