論文の概要: Hybrid Perception and Equivariant Diffusion for Robust Multi-Node Rebar Tying

• arxiv url: http://arxiv.org/abs/2509.00065v1
• Date: Tue, 26 Aug 2025 07:09:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.044072
• Title: Hybrid Perception and Equivariant Diffusion for Robust Multi-Node Rebar Tying
• Title（参考訳）: ロバストなマルチノード残響タイピングのためのハイブリッド知覚と同変拡散
• Authors: Zhitao Wang, Yirong Xiong, Roberto Horowitz, Yanke Wang, Yuxing Han,
• Abstract要約: レバータイリングは、鉄筋コンクリート造の繰り返しではあるが重要な作業であり、通常は手動でかなりのエルゴノミクスリスクで実施される。 ロボット操作の最近の進歩は、タイイングプロセスを自動化する可能性を秘めているが、密集したリバーノードのタイイングポーズを正確に推定する上で、課題に直面している。 本研究では,SE(3)(Diffusion-EDFs)上の等変デノイング拡散と幾何学的認識を統合したハイブリッド認識と運動計画手法を導入し,最小限のトレーニングデータで堅牢なマルチノードリバータイリングを実現する。
• 参考スコア（独自算出の注目度）: 3.949012733192417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rebar tying is a repetitive but critical task in reinforced concrete construction, typically performed manually at considerable ergonomic risk. Recent advances in robotic manipulation hold the potential to automate the tying process, yet face challenges in accurately estimating tying poses in congested rebar nodes. In this paper, we introduce a hybrid perception and motion planning approach that integrates geometry-based perception with Equivariant Denoising Diffusion on SE(3) (Diffusion-EDFs) to enable robust multi-node rebar tying with minimal training data. Our perception module utilizes density-based clustering (DBSCAN), geometry-based node feature extraction, and principal component analysis (PCA) to segment rebar bars, identify rebar nodes, and estimate orientation vectors for sequential ranking, even in complex, unstructured environments. The motion planner, based on Diffusion-EDFs, is trained on as few as 5-10 demonstrations to generate sequential end-effector poses that optimize collision avoidance and tying efficiency. The proposed system is validated on various rebar meshes, including single-layer, multi-layer, and cluttered configurations, demonstrating high success rates in node detection and accurate sequential tying. Compared with conventional approaches that rely on large datasets or extensive manual parameter tuning, our method achieves robust, efficient, and adaptable multi-node tying while significantly reducing data requirements. This result underscores the potential of hybrid perception and diffusion-driven planning to enhance automation in on-site construction tasks, improving both safety and labor efficiency.
• Abstract（参考訳）: レバータイリングは、鉄筋コンクリート造の繰り返しではあるが重要な作業であり、通常は手動でかなりのエルゴノミクスリスクで実施される。 ロボット操作の最近の進歩は、タイイングプロセスを自動化する可能性を秘めているが、密集したリバーノードのタイイングポーズを正確に推定する上で、課題に直面している。 本稿では,SE(3)上の等変デノイング拡散(Diffusion-EDFs)と幾何に基づく知覚を統合し,最小限のトレーニングデータでロバストなマルチノードリバータイリングを実現するハイブリッド認識と運動計画手法を提案する。 我々の知覚モジュールは、密度に基づくクラスタリング(DBSCAN)、幾何に基づくノードの特徴抽出、および主成分分析(PCA)を利用して、複雑な非構造環境においても、逐次ランク付けのためのリバーバーのセグメンテーション、リバーノードの特定、および推定方向ベクトルを推定する。 Diffusion-EDFをベースとしたモーションプランナーは、衝突回避とタイリング効率を最適化するシーケンシャルなエンドエフェクターのポーズを生成するために、最大5-10のデモで訓練されている。 提案方式は, 単一層, 複数層, 粗い構成を含む様々なリバーメッシュ上で検証され, ノード検出と精度の高いシーケンシャルタイリングで高い成功率を示す。 大規模なデータセットや広範囲な手動パラメータチューニングに依存する従来の手法と比較して,本手法はデータ要求を大幅に低減しつつ,堅牢で効率的で適応可能なマルチノードタイピングを実現する。 この結果は、現場建設作業における自動化を向上し、安全と労働効率の両方を改善するために、ハイブリッド認識と拡散駆動型計画の可能性を強調している。

関連論文リスト

• BERTector: Intrusion Detection Based on Joint-Dataset Learning [7.393571667416083]
  侵入検知システム(IDS)は,ネットワークトラフィックの不均一性や攻撃パターンの多様性により,一般化と堅牢性の課題に直面している。 IDSのための新たな統合データセットトレーニングパラダイムを提案し,BERTに基づくスケーラブルなBERTectorフレームワークを提案する。 BERTectorは、トラフィック対応セマンティックトークン化のためのNAS-Tokenizer、ハイブリッドデータセットによる微調整の監督、効率的なトレーニングのためのローランク適応(LoRA)の3つの重要なコンポーネントを統合している。
  論文  参考訳（メタデータ） (2025-08-14T04:05:01Z)
• Adaptive Inference-Time Scaling via Cyclic Diffusion Search [68.58892778987936]
  適応的推論時間スケーリング-動的に計算量を調整するという課題について紹介する。 本稿では,適応型双方向サイクル拡散(ABCD)を提案する。 ABCDは、探索深度と終了を適応的に制御しながら、双方向拡散サイクルを通じて出力を洗練する。
  論文  参考訳（メタデータ） (2025-05-20T07:31:38Z)
• PFSD: A Multi-Modal Pedestrian-Focus Scene Dataset for Rich Tasks in Semi-Structured Environments [73.80718037070773]
  本稿では, 半構造化シーンに, nuScenesの形式を付加したマルチモーダルなPedestrian-Focused Sceneデータセットを提案する。 また,密集・隠蔽シナリオにおける歩行者検出のためのHMFN(Hybrid Multi-Scale Fusion Network)を提案する。
  論文  参考訳（メタデータ） (2025-02-21T09:57:53Z)
• Lightweight Deep Learning Framework for Accurate Particle Flow Energy Reconstruction [8.598010350935596]
  本稿では,ディープラーニング再構築の枠組みを体系的に評価する。 重み付き平均2乗と誤差構造類似度指数を組み合わせたハイブリッド損失関数を設計する。 我々は,モーダル時間的相関とエネルギー変位非線形性を捉えるモデルの能力を強化する。
  論文  参考訳（メタデータ） (2024-10-08T11:49:18Z)
• Bridging Sensor Gaps via Attention Gated Tuning for Hyperspectral Image Classification [8.646232481181976]
  HSI分類法は高品質なラベル付きHSIを必要とするが、しばしば入手するのにコストがかかる。 本稿では,3重構造トランスモデルであるTri-Formerを提案する。
  論文  参考訳（メタデータ） (2023-09-22T13:39:24Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。