論文の概要: Lightning Grasp: High Performance Procedural Grasp Synthesis with Contact Fields
- arxiv url: http://arxiv.org/abs/2511.07418v1
- Date: Mon, 10 Nov 2025 18:59:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-11 21:18:45.436029
- Title: Lightning Grasp: High Performance Procedural Grasp Synthesis with Contact Fields
- Title（参考訳）: Lightning Grasp: コンタクトフィールドを用いた高性能な手続き型Grasp合成
- Authors: Zhao-Heng Yin, Pieter Abbeel,
- Abstract要約: 本稿では,新しい高性能な手続き型グリップ合成アルゴリズムLightning Graspを提案する。
最先端のアプローチを超越したオーダー・オブ・マグニチュード・スピードアップを実現する。
ロボット操作のさらなるイノベーションを促進するために,当社のシステムをオープンソースとして公開しています。
- 参考スコア（独自算出の注目度）: 55.014365168982884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite years of research, real-time diverse grasp synthesis for dexterous hands remains an unsolved core challenge in robotics and computer graphics. We present Lightning Grasp, a novel high-performance procedural grasp synthesis algorithm that achieves orders-of-magnitude speedups over state-of-the-art approaches, while enabling unsupervised grasp generation for irregular, tool-like objects. The method avoids many limitations of prior approaches, such as the need for carefully tuned energy functions and sensitive initialization. This breakthrough is driven by a key insight: decoupling complex geometric computation from the search process via a simple, efficient data structure - the Contact Field. This abstraction collapses the problem complexity, enabling a procedural search at unprecedented speeds. We open-source our system to propel further innovation in robotic manipulation.
- Abstract（参考訳）: 長年の研究にもかかわらず、ロボット工学とコンピュータグラフィックスにおける未解決の中核的な課題は、リアルタイムに多様な手の把握合成である。
本稿では,非教師なしのツールライクな物体に対して,非教師なしのグリップ生成を可能にするとともに,最先端の手法によるオーダー・オブ・マグニチュード・スピードアップを実現する,新しい高性能な手続き的グリップ合成アルゴリズムLightning Graspを提案する。
この方法は、注意深く調整されたエネルギー関数や敏感な初期化の必要性など、以前のアプローチの多くの制限を回避する。
このブレークスルーは、複雑な幾何学的計算を、単純で効率的なデータ構造であるコンタクトフィールドを通じて、検索プロセスから切り離すという重要な洞察によって導かれる。
この抽象化は問題複雑性を崩壊させ、前例のない速度で手続き的な探索を可能にする。
ロボット操作のさらなるイノベーションを促進するために,当社のシステムをオープンソースとして公開しています。
関連論文リスト
- Novel Approaches to Artificial Intelligence Development Based on the Nearest Neighbor Method [0.0]
本稿では,階層的なクラスタリング構造を持つ近傍手法に基づく代替手法を提案する。
手書き文字認識と簡単な字幕翻訳タスクによる試験により,提案手法の有効性が確認された。
提案手法は, 透明性と解釈可能性を備え, 人間の認知機構と密接に一致し, 高い信頼性と説明可能な結果を必要とするタスクに広く利用される可能性を示す。
論文 参考訳（メタデータ） (2025-08-26T11:49:42Z) - Sample complexity of data-driven tuning of model hyperparameters in neural networks with structured parameter-dependent dual function [24.457000214575245]
固定問題インスタンス上での実用関数の不連続性と発振を特徴付ける新しい手法を提案する。
これは、実用関数の族における学習理論の複雑さが有界であることを示すのに使うことができる。
論文 参考訳（メタデータ） (2025-01-23T15:10:51Z) - Tango*: Constrained synthesis planning using chemically informed value functions [1.6787839854263589]
本稿では,教材制約による合成計画問題の解法を実現するための簡単なガイド付き探索手法を提案する。
Tango* のコスト関数は,双方向 DESP 手法の強い改善を触媒する。
提案手法は,経路品質の共通指標である類似長さの合成経路を提案しながら,壁面時計の時間短縮を実現する。
論文 参考訳（メタデータ） (2024-12-04T16:14:02Z) - Discovering physical laws with parallel symbolic enumeration [67.36739393470869]
並列記号列挙法(PSE)を導入し,限られたデータから汎用数学的表現を効率的に抽出する。
実験の結果,PSEは最先端のベースラインアルゴリズムと比較して精度が高く,計算速度も速いことがわかった。
PSEは、記号的、解釈可能なモデルの正確で効率的なデータ駆動による発見の進歩を表している。
論文 参考訳（メタデータ） (2024-07-05T10:41:15Z) - Entropic Neural Optimal Transport via Diffusion Processes [105.34822201378763]
本稿では,連続確率分布間のエントロピー最適輸送(EOT)計画を計算するための新しいアルゴリズムを提案する。
提案アルゴリズムは,シュリンガーブリッジ問題(Schr"odinger Bridge problem)として知られるEOTの動的バージョンのサドル点再構成に基づく。
大規模EOTの従来の手法とは対照的に,我々のアルゴリズムはエンドツーエンドであり,単一の学習ステップで構成されている。
論文 参考訳（メタデータ） (2022-11-02T14:35:13Z) - Inductive Synthesis for Probabilistic Programs Reaches New Horizons [0.5505634045241288]
本稿では,確率的プログラムの自動合成手法を提案する。
出発点は、関連するが異なる位相を持つ有限状態マルコフ連鎖の有限族を表すプログラムスケッチであり、PCTL仕様である。
この方法は、プログラムに違反する反例(CE)を欲しがって生成し、それを家族を訓練するために利用する、新しい誘導性オラクルの上に構築されている。
論文 参考訳（メタデータ） (2021-01-29T16:59:00Z) - Investigating the Scalability and Biological Plausibility of the
Activation Relaxation Algorithm [62.997667081978825]
アクティベーション・リラクシエーション(AR)アルゴリズムは、誤りアルゴリズムのバックプロパゲーションを近似するためのシンプルでロバストなアプローチを提供する。
このアルゴリズムは、学習可能な後方重みセットを導入することにより、さらに単純化され、生物学的に検証可能であることを示す。
また、元のARアルゴリズム(凍結フィードフォワードパス)の別の生物学的に信じられない仮定が、パフォーマンスを損なうことなく緩和できるかどうかについても検討する。
論文 参考訳（メタデータ） (2020-10-13T08:02:38Z) - Retro*: Learning Retrosynthetic Planning with Neural Guided A* Search [83.22850633478302]
反合成計画(retrosynthetic planning)は、ターゲット生成物の合成に繋がる一連の反応を特定する。
既存の手法では、高いばらつきを持つロールアウトによる高価なリターン推定が必要か、品質よりも探索速度を最適化する必要がある。
本稿では,高品質な合成経路を効率よく見つけるニューラルネットワークA*ライクなアルゴリズムRetro*を提案する。
論文 参考訳（メタデータ） (2020-06-29T05:53:33Z)
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。