論文の概要: Exploring Category-level Articulated Object Pose Tracking on SE(3) Manifolds

• arxiv url: http://arxiv.org/abs/2511.05996v1
• Date: Sat, 08 Nov 2025 12:56:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.70257
• Title: Exploring Category-level Articulated Object Pose Tracking on SE(3) Manifolds
• Title（参考訳）: SE(3)多様体上のカテゴリーレベルのArticulated Object Pose Trackingの探索
• Authors: Xianhui Meng, Yukang Huo, Li Zhang, Liu Liu, Haonan Jiang, Yan Zhong, Pingrui Zhang, Cewu Lu, Jun Liu,
• Abstract要約: 人工物は日常生活やロボット操作のタスクで広く使われている。 調音された物体のポーズ追跡は 固有のキネマティックな制約のために 未発見の問題のままです 本研究は,textbfPPF-Tracker と呼ばれる新しいポイントペア型ポーズトラッキングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 46.859932208933735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Articulated objects are prevalent in daily life and robotic manipulation tasks. However, compared to rigid objects, pose tracking for articulated objects remains an underexplored problem due to their inherent kinematic constraints. To address these challenges, this work proposes a novel point-pair-based pose tracking framework, termed \textbf{PPF-Tracker}. The proposed framework first performs quasi-canonicalization of point clouds in the SE(3) Lie group space, and then models articulated objects using Point Pair Features (PPF) to predict pose voting parameters by leveraging the invariance properties of SE(3). Finally, semantic information of joint axes is incorporated to impose unified kinematic constraints across all parts of the articulated object. PPF-Tracker is systematically evaluated on both synthetic datasets and real-world scenarios, demonstrating strong generalization across diverse and challenging environments. Experimental results highlight the effectiveness and robustness of PPF-Tracker in multi-frame pose tracking of articulated objects. We believe this work can foster advances in robotics, embodied intelligence, and augmented reality. Codes are available at https://github.com/mengxh20/PPFTracker.
• Abstract（参考訳）: 人工物は日常生活やロボット操作のタスクで広く使われている。 しかし、剛体物体と比較して、調音物体のポーズトラッキングは、その固有の運動的制約のため、未探索の問題のままである。 これらの課題に対処するため、この研究は「textbf{PPF-Tracker}」と呼ばれる新しいポイントペアベースのポーズトラッキングフレームワークを提案する。 提案フレームワークはまず,SE(3)リー群空間における点雲の準正準化を行い,次に点ペア特徴量(PPF)を用いて,SE(3)の不変性を利用してポーズの投票パラメータを予測する。 最後に、関節軸のセマンティック情報は、調音対象のすべての部分に統一的な運動的制約を課すために組み込まれている。 PPF-Trackerは、合成データセットと実世界のシナリオの両方で体系的に評価され、多様な、挑戦的な環境にまたがる強力な一般化を示す。 実験結果は,多フレームポーズトラッキングにおけるPPF-Trackerの有効性とロバスト性を強調した。 この研究は、ロボット工学、インテリジェンス、拡張現実の進歩を促進することができると信じている。 コードはhttps://github.com/mengxh20/PPFTracker.comで入手できる。

関連論文リスト

• Delving into Dynamic Scene Cue-Consistency for Robust 3D Multi-Object Tracking [16.366398265001422]
  3D多目的追跡は、自動運転分野において重要かつ困難な課題である。 本稿では,この原理を実現するために動的シーンCue-Consistency Tracker(DSC-Track)を提案する。
  論文  参考訳（メタデータ） (2025-08-15T08:48:13Z)
• IAAO: Interactive Affordance Learning for Articulated Objects in 3D Environments [56.85804719947]
  IAAOは知的エージェントのための明示的な3Dモデルを構築するフレームワークで,対話を通して環境内の明瞭な物体の理解を得る。 マスク特徴とビュー一貫性ラベルを多視点画像から抽出し,まず3次元ガウススティング(3DGS)を用いて各オブジェクト状態の階層的特徴とラベルフィールドを構築する。 次に、3Dガウスプリミティブ上でオブジェクトと部分レベルのクエリを実行し、静的および明瞭な要素を識別し、大域的な変換と局所的な調音パラメータをアベイランスとともに推定する。
  論文  参考訳（メタデータ） (2025-04-09T12:36:48Z)
• ROAM: Robust and Object-Aware Motion Generation Using Neural Pose Descriptors [73.26004792375556]
  本稿では,3次元オブジェクト認識キャラクタ合成における新しいシーンオブジェクトへのロバストさと一般化が,参照オブジェクトを1つも持たないモーションモデルをトレーニングすることで実現可能であることを示す。 我々は、オブジェクト専用のデータセットに基づいて訓練された暗黙的な特徴表現を活用し、オブジェクトの周りのSE(3)-同変記述体フィールドをエンコードする。 本研究では,3次元仮想キャラクタの動作と相互作用の質,および未知のオブジェクトを持つシナリオに対するロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-08-24T17:59:51Z)
• TripletTrack: 3D Object Tracking using Triplet Embeddings and LSTM [0.0]
  3Dオブジェクトトラッキングは、自動運転システムにおいて重要なタスクである。 本稿では,3次元物体追跡における3重項埋め込みと動作表現の併用について検討する。
  論文  参考訳（メタデータ） (2022-10-28T15:23:50Z)
• Learning to Track with Object Permanence [61.36492084090744]
  共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。 私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2021-03-26T04:43:04Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)

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。