論文の概要: GAGrasp: Geometric Algebra Diffusion for Dexterous Grasping

• arxiv url: http://arxiv.org/abs/2503.04123v1
• Date: Thu, 06 Mar 2025 06:00:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 16:00:35.164932
• Title: GAGrasp: Geometric Algebra Diffusion for Dexterous Grasping
• Title（参考訳）: GAGrasp:Dexterous Graspingのための幾何学的代数拡散
• Authors: Tao Zhong, Christine Allen-Blanchette,
• Abstract要約: 本稿では, ゆるやかなグリップ生成のための新しいフレームワークであるGAGraspを提案する。 本手法は,SE(3)対称性制約を直接アーキテクチャに符号化することにより,データとパラメータの効率を向上する。 我々は、物理インフォームド・リファインメント・レイヤを組み込み、生成したグリップが物理的に妥当で安定であることを保証する。
• 参考スコア（独自算出の注目度）: 3.9108453320793326
• License:
• Abstract: We propose GAGrasp, a novel framework for dexterous grasp generation that leverages geometric algebra representations to enforce equivariance to SE(3) transformations. By encoding the SE(3) symmetry constraint directly into the architecture, our method improves data and parameter efficiency while enabling robust grasp generation across diverse object poses. Additionally, we incorporate a differentiable physics-informed refinement layer, which ensures that generated grasps are physically plausible and stable. Extensive experiments demonstrate the model's superior performance in generalization, stability, and adaptability compared to existing methods. Additional details at https://gagrasp.github.io/
• Abstract（参考訳）: 幾何代数表現を利用してSE(3)変換に等分散を強制するデクスタラスグリップ生成のための新しいフレームワークであるGAGraspを提案する。 本手法は,SE(3)対称性制約を直接アーキテクチャに符号化することにより,多種多様なオブジェクトのポーズに対して頑健なグルーピング生成を実現するとともに,データとパラメータ効率を向上する。 さらに、物理インフォームド・リファインメント・レイヤを組み込むことにより、生成したグリップが物理的に可塑性かつ安定であることを保証する。 大規模な実験は、モデルが既存の方法と比較して一般化、安定性、適応性において優れた性能を示す。 詳細はhttps://gagrasp.github.io/

関連論文リスト

• Large Language-Geometry Model: When LLM meets Equivariance [53.8505081745406]
  本稿では,3次元物理システムを表現するための新しいフレームワークであるEquiLLMを提案する。 EquiLLMは分子動力学シミュレーション,ヒトの動作シミュレーション,抗体設計など,従来の手法よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-02-16T14:50:49Z)
• GVGEN: Text-to-3D Generation with Volumetric Representation [89.55687129165256]
  3Dガウススプラッティングは、高速で高品質なレンダリング機能で知られる3D再構成と生成のための強力な技術として登場した。 本稿では,テキスト入力から3次元ガウス表現を効率的に生成する新しい拡散型フレームワークGVGENを提案する。
  論文  参考訳（メタデータ） (2024-03-19T17:57:52Z)
• Learning Modulated Transformation in GANs [69.95217723100413]
  生成逆数ネットワーク(GAN)のジェネレータに、変調変換モジュール(Modulated transformation module, MTM)と呼ばれるプラグアンドプレイモジュールを装備する。 MTMは、可変位置で畳み込み操作を適用可能な潜在符号の制御下で空間オフセットを予測する。 挑戦的なTaiChiデータセット上での人為的な生成に向けて、StyleGAN3のFIDを21.36から13.60に改善し、変調幾何変換の学習の有効性を実証した。
  論文  参考訳（メタデータ） (2023-08-29T17:51:22Z)
• Geometric Algebra Transformer [16.656636729960727]
  幾何学的データに関わる問題は、物理学、化学、ロボット工学、コンピュータビジョンなど多くの分野において発生する。 対称性を尊重しながら、このような幅広い幾何学的タイプに適用できる単一のアーキテクチャは存在しない。 本稿では,幾何学データのための汎用アーキテクチャであるGeometric Algebra Transformer (GATr)を紹介する。
  論文  参考訳（メタデータ） (2023-05-28T18:48:50Z)
• FAENet: Frame Averaging Equivariant GNN for Materials Modeling [123.19473575281357]
  データ変換による任意のモデルE(3)-同変や不変化を実現するために,フレームアラグリング(SFA)に依存したフレキシブルなフレームワークを導入する。 本手法の有効性を理論的および実験的に証明し, 材料モデリングにおける精度と計算スケーラビリティを実証する。
  論文  参考訳（メタデータ） (2023-04-28T21:48:31Z)
• Geometric Clifford Algebra Networks [53.456211342585824]
  本稿では,動的システムのモデリングのためのGeometric Clifford Algebra Networks (GCANs)を提案する。 GCANは幾何学的(クリフォード)代数を用いた対称性群変換に基づいている。
  論文  参考訳（メタデータ） (2023-02-13T18:48:33Z)
• Unsupervised diffeomorphic cardiac image registration using parameterization of the deformation field [6.343400988017304]
  本研究では,移動メッシュパラメータ化に基づくエンドツーエンドの非教師付き微分同相変形型登録フレームワークを提案する。 提案手法の有効性を,2次元および3次元心臓MRIスキャンを含む3つの異なるデータセット上で評価することにより検討した。
  論文  参考訳（メタデータ） (2022-08-28T19:34:10Z)
• Geometry-Contrastive Transformer for Generalized 3D Pose Transfer [95.56457218144983]
  この研究の直感は、与えられたメッシュ間の幾何学的不整合を強力な自己認識機構で知覚することである。 本研究では,グローバルな幾何学的不整合に対する3次元構造的知覚能力を有する新しい幾何学コントラスト変換器を提案する。 本稿では, クロスデータセット3次元ポーズ伝達タスクのための半合成データセットとともに, 潜時等尺正則化モジュールを提案する。
  論文  参考訳（メタデータ） (2021-12-14T13:14:24Z)
• Equivalent Distance Geometry Error for Molecular Conformation Comparison [26.331322944298208]
  コンフォメーション間の差分差を計算するために,等価距離幾何学誤差(EDGE)を提案する。 本手法の改良版では, 3ホップ内における原子対距離の線形変換を最小化する。
  論文  参考訳（メタデータ） (2021-11-13T09:04:55Z)
• Symmetry-driven graph neural networks [1.713291434132985]
  ノード座標に影響を及ぼすいくつかの変換に同値なグラフネットワークアーキテクチャを2つ導入する。 我々はこれらの機能を$n$次元の幾何学的オブジェクトからなる合成データセット上で実証する。
  論文  参考訳（メタデータ） (2021-05-28T18:54:12Z)

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。