我々は6-PACKという、RGB-Dデータに対するカテゴリレベルの6次元物体姿勢追跡の深層学習手法を提案します。本手法は、ボウル、ラップトップ、マグカップなどの既知の物体カテゴリに属する新しい物体インスタンスをリアルタイムで追跡します。6-PACKは、少数の3Dキーポイントによって物体をコンパクトに表現することを学習し、これらのキーポイントのマッチングを通じて物体インスタンスのフレーム間運動を推定します。これらのキーポイントは、追跡に最も効果的であるように手動監督なしでエンドツーエンドで学習されます。実験結果では、NOCSカテゴリレベル6次元姿勢推定ベンチマークにおいて既存手法を大幅に上回ることが示されており、物理的なロボットが単純なビジョンベースの閉ループ操作タスクを行うことを支援しています。コードとビデオはhttps://sites.google.com/view/6packtracking で公開されています。