論文の概要: A3D: Adaptive Affordance Assembly with Dual-Arm Manipulation

• arxiv url: http://arxiv.org/abs/2601.11076v1
• Date: Fri, 16 Jan 2026 08:21:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.405127
• Title: A3D: Adaptive Affordance Assembly with Dual-Arm Manipulation
• Title（参考訳）: A3D: Dual-Arm マニピュレーションを併用したアダプティブアフォーマンスアセンブリ
• Authors: Jiaqi Liang, Yue Chen, Qize Yu, Yan Shen, Haipeng Zhang, Hao Dong, Ruihai Wu,
• Abstract要約: 本稿では,家具部品の最適支持と安定化位置を特定するためのアダプティブアプライアンス学習フレームワークであるA3Dを提案する。 組立状態の進化に対処するため,動的支援戦略を動的に調整するためのインタラクションフィードバックを用いた適応モジュールを導入する。 実験により,本フレームワークは,シミュレーションと実環境の両方において,多様な部分ジオメトリと家具カテゴリーに効果的に一般化できることが示されている。
• 参考スコア（独自算出の注目度）: 25.57693108471214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Furniture assembly is a crucial yet challenging task for robots, requiring precise dual-arm coordination where one arm manipulates parts while the other provides collaborative support and stabilization. To accomplish this task more effectively, robots need to actively adapt support strategies throughout the long-horizon assembly process, while also generalizing across diverse part geometries. We propose A3D, a framework which learns adaptive affordances to identify optimal support and stabilization locations on furniture parts. The method employs dense point-level geometric representations to model part interaction patterns, enabling generalization across varied geometries. To handle evolving assembly states, we introduce an adaptive module that uses interaction feedback to dynamically adjust support strategies during assembly based on previous interactions. We establish a simulation environment featuring 50 diverse parts across 8 furniture types, designed for dual-arm collaboration evaluation. Experiments demonstrate that our framework generalizes effectively to diverse part geometries and furniture categories in both simulation and real-world settings.
• Abstract（参考訳）: 家具の組み立てはロボットにとって非常に難しい作業であり、片方の腕が部品を操作し、もう片方の腕が協調的なサポートと安定化を提供するという、正確に二本腕の調整を必要とする。 この課題をより効果的に実現するためには、ロボットは、様々な部分のジオメトリをまたいで一般化しながら、長期の組立プロセスを通して積極的に支援戦略を適用する必要がある。 本稿では,家具部品の最適支持と安定化位置を特定するためのアダプティブアプライアンス学習フレームワークであるA3Dを提案する。 この手法は、密度の高い点レベルの幾何学的表現を用いて、様々な測地をまたいだ一般化を可能にする部分相互作用パターンをモデル化する。 組立状態の進化に対処するため,従来の相互作用に基づく支援戦略を動的に調整するアダプティブモジュールを導入する。 両腕協調評価のために設計された8種類の家具に50の多様な部品を配置したシミュレーション環境を構築した。 実験により,本フレームワークは,シミュレーションと実環境の両方において,多様な部分ジオメトリと家具カテゴリーに効果的に一般化できることが示されている。

関連論文リスト

• GaussianArt: Unified Modeling of Geometry and Motion for Articulated Objects [4.717906057951389]
  本稿では,3次元ガウスモデルを用いて幾何学と運動を共同でモデル化する統一表現を提案する。 この定式化により、運動分解の堅牢性が向上し、最大で20個の部分を持つ明瞭な物体をサポートする。 提案手法は, 広範囲な物体の形状復元と動き推定において, 常に優れた精度を達成できることを示す。
  論文  参考訳（メタデータ） (2025-08-20T17:59:08Z)
• Genie Envisioner: A Unified World Foundation Platform for Robotic Manipulation [69.30586607892842]
  我々は,ロボット操作のための統一世界基盤プラットフォームであるGenie Envisioner(GE)を紹介する。 GEは、ポリシー学習、評価、シミュレーションを単一のビデオ生成フレームワークに統合する。
  論文  参考訳（メタデータ） (2025-08-07T17:59:44Z)
• A Structure-aware and Motion-adaptive Framework for 3D Human Pose Estimation with Mamba [18.376143217023934]
  空間的関節トポロジーを捉えるための構造認識・運動適応型フレームワークを提案する。 上述のキーモジュールを通じて,本アルゴリズムは構造認識と動き適応型ポーズリフトを可能にする。
  論文  参考訳（メタデータ） (2025-07-26T07:59:52Z)
• Two by Two: Learning Multi-Task Pairwise Objects Assembly for Generalizable Robot Manipulation [29.02679318985968]
  既存のベンチマークとデータセットは、主に幾何学的断片や工場部品の組み立てに重点を置いている。 2BY2は、日々のペア・オブジェクト・アセンブリのための大規模アノテート・データセットである。 組立制約に対する同変特性を持つ2段階のSE(3)ポーズ推定法を提案する。
  論文  参考訳（メタデータ） (2025-04-09T15:12:38Z)
• Re-HOLD: Video Hand Object Interaction Reenactment via adaptive Layout-instructed Diffusion Model [72.90370736032115]
  本稿では,適応的レイアウト指示拡散モデル(Re-HOLD)によるヒューマンオブジェクトインタラクション(HOI)に着目した新しいビデオ再現フレームワークを提案する。 私たちのキーとなる洞察は、それぞれ手とオブジェクトに特別なレイアウト表現を採用することです。 HOIの生成品質をさらに向上するため,手と物体の対話型音質向上モジュールを設計した。
  論文  参考訳（メタデータ） (2025-03-21T08:40:35Z)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)
• V-MAO: Generative Modeling for Multi-Arm Manipulation of Articulated Objects [51.79035249464852]
  本稿では,音声による物体のマルチアーム操作を学習するためのフレームワークを提案する。 本フレームワークは,各ロボットアームの剛部上の接触点分布を学習する変動生成モデルを含む。
  論文  参考訳（メタデータ） (2021-11-07T02:31:09Z)
• Articulated Object Interaction in Unknown Scenes with Whole-Body Mobile Manipulation [16.79185733369416]
  未知の環境下における大型関節オブジェクトとの自律的相互作用のための2段階アーキテクチャを提案する。 第1段階は学習モデルを用いて、RGB-D入力から対象物の調音モデルを推定し、相互作用のための状態の動作条件列を予測する。 第2段階は、生成した運動計画に沿ってオブジェクトを操作する全身運動制御装置からなる。
  論文  参考訳（メタデータ） (2021-03-18T21:32:18Z)

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。