論文の概要: PROD: Palpative Reconstruction of Deformable Objects through Elastostatic Signed Distance Functions

• arxiv url: http://arxiv.org/abs/2508.12554v1
• Date: Mon, 18 Aug 2025 01:13:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.859071
• Title: PROD: Palpative Reconstruction of Deformable Objects through Elastostatic Signed Distance Functions
• Title（参考訳）: PROD:エラストスタティック・サイン付き距離関数による変形性物体の触知的再構成
• Authors: Hamza El-Kebir,
• Abstract要約: PROD(Palpative Reconstruction of Deformables)は、変形可能な物体の形状と機械的特性を再構築する新しい手法である。 我々は,物体の変形をエラストスタティックな過程としてモデル化し,そのSDFを推定するためのポアソン方程式を導出する。 擬似ソフトボディ相互作用におけるポーズ誤差,非正規力応用,曲率誤差の処理におけるPRDの堅牢性を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce PROD (Palpative Reconstruction of Deformables), a novel method for reconstructing the shape and mechanical properties of deformable objects using elastostatic signed distance functions (SDFs). Unlike traditional approaches that rely on purely geometric or visual data, PROD integrates palpative interaction -- measured through force-controlled surface probing -- to estimate both the static and dynamic response of soft materials. We model the deformation of an object as an elastostatic process and derive a governing Poisson equation for estimating its SDF from a sparse set of pose and force measurements. By incorporating steady-state elastodynamic assumptions, we show that the undeformed SDF can be recovered from deformed observations with provable convergence. Our approach also enables the estimation of material stiffness by analyzing displacement responses to varying force inputs. We demonstrate the robustness of PROD in handling pose errors, non-normal force application, and curvature errors in simulated soft body interactions. These capabilities make PROD a powerful tool for reconstructing deformable objects in applications ranging from robotic manipulation to medical imaging and haptic feedback systems.
• Abstract（参考訳）: ProD(Palpative Reconstruction of Deformables, Palpative Restructing of Deformables)は, 弾塑性符号距離関数(SDF)を用いた変形性物体の形状と機械的特性を復元する新しい手法である。 純粋に幾何学的あるいは視覚的なデータに依存する従来のアプローチとは異なり、PRODは、力によって制御された表面の探査によって測定される緩和的相互作用を統合して、軟質材料の静的および動的応答を推定する。 本研究では, 物体の変形をエラストスタティックな過程としてモデル化し, スパース集合のポーズと力の測定からSDFを推定するポアソン方程式を導出する。 安定状態のエラストダイナミックな仮定を組み込むことにより、未変形のSDFを観測結果から再現可能な収束性で回収できることが示される。 また, 各種力入力に対する変位応答を解析することにより, 材料硬さを推定できる。 擬似ソフトボディ相互作用におけるポーズ誤差,非正規力応用,曲率誤差の処理におけるPRDの堅牢性を示す。 これらの能力は、ロボット操作から医療画像、触覚フィードバックシステムに至るまで、変形可能な物体を再構築するための強力なツールとなる。

関連論文リスト

• Differentiable Physics-based System Identification for Robotic Manipulation of Elastoplastic Materials [43.99845081513279]
  本研究は, ロボットアームが簡単な操作動作と不完全な3次元点雲を用いて, 弾塑性材料の物理パラメータと環境を推測することのできる, 微分可能物理に基づくシステム同定(DPSI)フレームワークを提案する。 1つの現実世界の相互作用だけで、推定されたパラメータは、目に見えない、長い水平運動によって引き起こされる視覚的および物理的に現実的な振る舞いを正確にシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-11-01T13:04:25Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
  本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。 実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-10T13:23:05Z)
• Physics-informed Gaussian process model for Euler-Bernoulli beam elements [0.0]
  物理インフォームド機械学習モデルをEuler-Bernoulliビーム方程式を用いて定式化する。 このモデルは、構造物の曲げ剛性の分析値の回帰、応答の補間、潜在物理量に対する確率的推論に使うことができる。
  論文  参考訳（メタデータ） (2023-08-05T14:48:37Z)
• A Bayesian Treatment of Real-to-Sim for Deformable Object Manipulation [59.29922697476789]
  本稿では,変形可能な物体の状態を分布埋め込みとして表現する手法を用いて,画像列から状態情報を抽出する手法を提案する。 実験により, 弾性, 摩擦, スケールなどの物性の後方分布を, 布やロープなどの高変形性物体で推定できることが確認された。
  論文  参考訳（メタデータ） (2021-12-09T17:50:54Z)
• DiffSDFSim: Differentiable Rigid-Body Dynamics With Implicit Shapes [9.119424247289857]
  微分物理学は、シーンの理解と相互作用の推論のためのコンピュータとロボティクスの強力なツールである。 既存のアプローチは、前もって単純な形状や形状のオブジェクトに限られていることが多い。
  論文  参考訳（メタデータ） (2021-11-30T11:56:24Z)

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。