論文の概要: A Multi-body Tracking Framework -- From Rigid Objects to Kinematic Structures

• arxiv url: http://arxiv.org/abs/2208.01502v1
• Date: Tue, 2 Aug 2022 14:49:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-03 13:20:14.860568
• Title: A Multi-body Tracking Framework -- From Rigid Objects to Kinematic Structures
• Title（参考訳）: 多体追跡フレームワーク-剛体物体から運動構造へ
• Authors: Manuel Stoiber, Martin Sundermeyer, Wout Boerdijk, Rudolph Triebel
• Abstract要約: モデルに基づくほとんどの3D追跡手法は、剛体物体のみを考慮している。 本稿では,既存の6DoFアルゴリズムをキネマティックな構造に拡張するフレキシブルなフレームワークを提案する。 提案手法をベースとして,最先端の剛性物体追跡アルゴリズムであるICGを多体追跡に拡張する。
• 参考スコア（独自算出の注目度）: 23.933556023366695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Kinematic structures are very common in the real world. They range from simple articulated objects to complex mechanical systems. However, despite their relevance, most model-based 3D tracking methods only consider rigid objects. To overcome this limitation, we propose a flexible framework that allows the extension of existing 6DoF algorithms to kinematic structures. Our approach focuses on methods that employ Newton-like optimization techniques, which are widely used in object tracking. The framework considers both tree-like and closed kinematic structures and allows a flexible configuration of joints and constraints. To project equations from individual rigid bodies to a multi-body system, Jacobians are used. For closed kinematic chains, a novel formulation that features Lagrange multipliers is developed. In a detailed mathematical proof, we show that our constraint formulation leads to an exact kinematic solution and converges in a single iteration. Based on the proposed framework, we extend ICG, which is a state-of-the-art rigid object tracking algorithm, to multi-body tracking. For the evaluation, we create a highly-realistic synthetic dataset that features a large number of sequences and various robots. Based on this dataset, we conduct a wide variety of experiments that demonstrate the excellent performance of the developed framework and our multi-body tracker.
• Abstract（参考訳）: 運動構造は実世界では非常に一般的である。 単純な関節の物体から複雑な機械システムまで様々である。 しかし、その関連性にもかかわらず、ほとんどのモデルベースの3Dトラッキング手法は剛体物体のみを考慮している。 この制限を克服するため,既存の6DoFアルゴリズムをキネマティックな構造に拡張可能なフレキシブルなフレームワークを提案する。 提案手法は,物体追跡に広く用いられているニュートン様最適化手法を用いた手法に焦点をあてる。 このフレームワークは木のような構造と閉キネマティック構造の両方を考慮し、関節と制約の柔軟な構成を可能にする。 個々の剛体から多体系へ方程式を投影するために、ヤコビアンを用いる。 閉キネマティック鎖に対しては、ラグランジュ乗算器を特徴とする新しい定式化が開発されている。 詳細な数学的証明では、制約の定式化が正確なキネマティック解をもたらし、単一の反復で収束することを示す。 提案手法をベースとして,最先端の剛性物体追跡アルゴリズムであるICGを多体追跡に拡張する。 評価のために、多数のシーケンスと様々なロボットを特徴とする高現実的な合成データセットを作成する。 このデータセットに基づいて,開発したフレームワークと多体トラッカーの優れた性能を示す多種多様な実験を行った。

関連論文リスト

• Let-It-Flow: Simultaneous Optimization of 3D Flow and Object Clustering [2.763111962660262]
  実大規模原点雲列からの自己監督型3次元シーンフロー推定の問題点について検討する。 重なり合うソフトクラスタと非重なり合う固いクラスタを組み合わせられる新しいクラスタリング手法を提案する。 本手法は,複数の独立移動物体が互いに近接する複雑な動的シーンにおける流れの解消に優れる。
  論文  参考訳（メタデータ） (2024-04-12T10:04:03Z)
• Weak-to-Strong 3D Object Detection with X-Ray Distillation [75.47580744933724]
  本稿では,既存の任意の3Dオブジェクト検出フレームワークにシームレスに統合する多目的手法を提案する。 オブジェクト・コンプリートフレームを用いたX線蒸留は、教師付き設定と半教師付き設定の両方に適している。 提案手法は,半教師あり学習における最先端の手法を1-1.5mAPで超越する。
  論文  参考訳（メタデータ） (2024-03-31T13:09:06Z)
• Multi-Scene Generalized Trajectory Global Graph Solver with Composite Nodes for Multiple Object Tracking [61.69892497726235]
  複合ノードメッセージパッシングネットワーク(CoNo-Link)は、超長いフレーム情報を関連付けるためのフレームワークである。 オブジェクトをノードとして扱う従来の方法に加えて、このネットワークは情報インタラクションのためのノードとしてオブジェクトトラジェクトリを革新的に扱う。 我々のモデルは、合成ノードを追加することで、より長い時間スケールでより良い予測を学習することができる。
  論文  参考訳（メタデータ） (2023-12-14T14:00:30Z)
• Kinematic-aware Prompting for Generalizable Articulated Object Manipulation with LLMs [53.66070434419739]
  汎用的なオブジェクト操作は、ホームアシストロボットにとって不可欠である。 本稿では,物体のキネマティックな知識を持つ大規模言語モデルに対して,低レベル動作経路を生成するキネマティック・アウェア・プロンプト・フレームワークを提案する。 我々のフレームワークは8つのカテゴリで従来の手法よりも優れており、8つの未確認対象カテゴリに対して強力なゼロショット能力を示している。
  論文  参考訳（メタデータ） (2023-11-06T03:26:41Z)
• Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
  我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。 筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
  論文  参考訳（メタデータ） (2022-05-03T20:03:22Z)
• A general framework for modeling and dynamic simulation of multibody systems using factor graphs [0.8701566919381223]
  本稿では,多体系の運動学的および動的問題を解くために,因子グラフ理論に基づく新しい汎用フレームワークを提案する。 独立座標と依存座標の両方を用いて多体系をモデル化・シミュレートするための因子グラフの構築方法について述べる。 提案されたフレームワークは広範なシミュレーションでテストされ、商用のマルチボディソフトウェアに対して検証されている。
  論文  参考訳（メタデータ） (2021-01-08T06:45:45Z)
• Nothing But Geometric Constraints: A Model-Free Method for Articulated Object Pose Estimation [89.82169646672872]
  本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。 我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
  論文  参考訳（メタデータ） (2020-11-30T20:46:48Z)
• Scalable Differentiable Physics for Learning and Control [99.4302215142673]
  微分物理学は、物理的対象や環境を含む問題を学習し、制御するための強力なアプローチである。 我々は、多数のオブジェクトとその相互作用をサポートすることができる微分可能物理学のためのスケーラブルなフレームワークを開発する。
  論文  参考訳（メタデータ） (2020-07-04T19:07:51Z)
• Learning Physical Constraints with Neural Projections [16.09436906471513]
  そこで我々は,ニューラルネットワークの新たなファミリーを提案し,その基盤となる制約を学習することによって,物理系の振る舞いを予測する。 ニューラルネットワークのプロジェクション演算子は,組込み再帰アーキテクチャを備えた軽量ネットワークで構成されたアプローチの中心に位置する。 我々は,一貫した簡単な方法で,一組の物理的システムを学習することで,我々のアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2020-06-23T04:19:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。