論文の概要: UniMorphGrasp: Diffusion Model with Morphology-Awareness for Cross-Embodiment Dexterous Grasp Generation

• arxiv url: http://arxiv.org/abs/2602.00915v1
• Date: Sat, 31 Jan 2026 21:56:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.04948
• Title: UniMorphGrasp: Diffusion Model with Morphology-Awareness for Cross-Embodiment Dexterous Grasp Generation
• Title（参考訳）: UniMorphGrasp:Morphology-Awareness of Cross-Embodiment Dexterous Grasp Generation (特集:バイオサイバネティックスとバイオサイバネティックス)
• Authors: Zhiyuan Wu, Xiangyu Zhang, Zhuo Chen, Jiankang Deng, Rolandos Alexandros Potamias, Shan Luo,
• Abstract要約: クロス・エボディメント・グルーピングは、異種キネマティック構造を持つロボットハンドに対して、安定かつ多様なグルーピングを生成することを目的としている。 ハンドモーフィック情報をグリップ生成プロセスに組み込んだ拡散型フレームワークである textbfUniMorphGrasp を提案する。 UniMorphGraspは、既存のデクスタラスグリップベンチマークで最先端のパフォーマンスを達成し、以前は目に見えない手の構造に対して強力なゼロショットの一般化を示す。
• 参考スコア（独自算出の注目度）: 63.13144787866563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cross-embodiment dexterous grasping aims to generate stable and diverse grasps for robotic hands with heterogeneous kinematic structures. Existing methods are often tailored to specific hand designs and fail to generalize to unseen hand morphologies outside the training distribution. To address these limitations, we propose \textbf{UniMorphGrasp}, a diffusion-based framework that incorporates hand morphological information into the grasp generation process for unified cross-embodiment grasp synthesis. The proposed approach maps grasps from diverse robotic hands into a unified human-like canonical hand pose representation, providing a common space for learning. Grasp generation is then conditioned on structured representations of hand kinematics, encoded as graphs derived from hand configurations, together with object geometry. In addition, a loss function is introduced that exploits the hierarchical organization of hand kinematics to guide joint-level supervision. Extensive experiments demonstrate that UniMorphGrasp achieves state-of-the-art performance on existing dexterous grasp benchmarks and exhibits strong zero-shot generalization to previously unseen hand structures, enabling scalable and practical cross-embodiment grasp deployment.
• Abstract（参考訳）: 異種キネマティック構造を持つロボットハンドの安定かつ多種多様な把握を実現することを目的としている。 既存の手法は、しばしば特定の手の設計に合わせて調整され、トレーニング分布外の目に見えない手の形態に一般化することができない。 これらの制約に対処するために,手形情報をグリップ生成プロセスに組み込んだ拡散型フレームワークである \textbf{UniMorphGrasp} を提案する。 提案手法は,多様なロボットハンドから統一された人間的な手ポーズ表現に把握し,学習のための共通空間を提供する。 グラフ生成は手キネマティクスの構造的表現に条件付けされ、手構成から派生したグラフとして符号化される。 さらに、手動学の階層的構造を利用して、関節レベルの監督を導く損失関数が導入された。 広汎な実験により、UniMorphGraspは既存のデキスタラスグリップベンチマークで最先端のパフォーマンスを達成し、以前は目にしなかった手の構造に対して強力なゼロショットの一般化を示し、スケーラブルで実用的なクロスボデーメントグリップデプロイメントを可能にしている。

関連論文リスト

• DexGrasp-Zero: A Morphology-Aligned Policy for Zero-Shot Cross-Embodiment Dexterous Grasping [46.96135601170059]
  異種手動と身体的制約により、クロス・エボディメントの把握は困難である。 既存のアプローチは通常、中間運動目標を予測し、それぞれの実施形態に再ターゲットする。 多様な実施形態から普遍的な把握能力を学ぶ政策であるDexGrasp-Zeroを提案する。
  論文  参考訳（メタデータ） (2026-03-17T17:10:29Z)
• Structural Action Transformer for 3D Dexterous Manipulation [80.07649565189035]
  クロス・エボディメント・スキル・トランスファーは、ハイDoFロボットハンドの課題である。 既存の手法は、しばしば2次元の観測と時間中心の行動表現に依存し、3次元の空間的関係を捉えるのに苦労する。 本稿では、構造中心の視点を導入することで、このパラダイムに挑戦する新しい3Dデクスタラスな操作ポリシーを提案する。
  論文  参考訳（メタデータ） (2026-03-04T11:38:12Z)
• UniHM: Unified Dexterous Hand Manipulation with Vision Language Model [39.2419824041854]
  身体的に実現可能な器用な手操作を計画することは、ロボット操作と身体的AIにおける中心的な課題である。 自由形式の言語コマンドで案内される手操作を統一する最初のフレームワークであるUniHMを紹介する。
  論文  参考訳（メタデータ） (2026-02-28T16:37:11Z)
• One Hand to Rule Them All: Canonical Representations for Unified Dexterous Manipulation [23.25726061664319]
  本稿では,手品の幅広いスペクトルを統一するパラメータ化標準表現を提案する。 統一されたパラメータ空間と標準URDFフォーマットを備え、3つの重要な利点を提供している。 我々はこれらの利点を、把握ポリシーのリプレイ、VAEラテントエンコーディング、クロス・エボディメント・ゼロショット転送など、広範な分析と実験を通じて検証する。
  論文  参考訳（メタデータ） (2026-02-18T18:59:57Z)
• Cross-Embodiment Dexterous Hand Articulation Generation via Morphology-Aware Learning [82.63833405368159]
  既存のエンドツーエンドメソッドでは、特定の手で大規模なデータセットをトレーニングする必要がある。 本稿では,固有グラフに基づくクロスボデーメントグリップ生成のためのエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-07T15:57:00Z)
• CEDex: Cross-Embodiment Dexterous Grasp Generation at Scale from Human-like Contact Representations [53.37721117405022]
  クロス・エボディメント・デキスタラス・グリップ合成(Cross-Embodiment dexterous grasp synthesis)とは、様々なロボットハンドのグリップを適応的に生成し、最適化することである。 そこで我々は,CEDexを提案する。 これまでで最大のクロス・エボディメント・グラウンド・データセットを構築し、合計20万のグリップを持つ4つのタイプにまたがる500万のオブジェクトからなる。
  論文  参考訳（メタデータ） (2025-09-29T12:08:04Z)
• Kuramoto Orientation Diffusion Models [67.0711709825854]
  指紋やテクスチャなどのオリエンテーションに富んだ画像は、しばしばコヒーレントな角模様を示す。 生体系における位相同期の役割を動機として,スコアベース生成モデルを提案する。 一般的な画像ベンチマークで競合する結果を実装し,指紋やテクスチャなどの指向性データセットの生成品質を大幅に向上する。
  論文  参考訳（メタデータ） (2025-09-18T18:18:49Z)

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。