論文の概要: Monocular Reconstruction of Neural Tactile Fields

• arxiv url: http://arxiv.org/abs/2602.12508v1
• Date: Fri, 13 Feb 2026 01:25:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.802096
• Title: Monocular Reconstruction of Neural Tactile Fields
• Title（参考訳）: 神経触覚の単分子的再構成
• Authors: Pavan Mantripragada, Siddhanth Deshmukh, Eadom Dessalene, Manas Desai, Yiannis Aloimonos,
• Abstract要約: 接触時の触覚応答に空間的位置をマッピングする新しい3D表現であるニューラル・触覚場を導入する。 我々のモデルは、単一の単分子RGB画像からこれらの神経触覚場を予測する。 市販のパスプランナーと統合されると、ニューラルな触覚フィールドは、高抵抗オブジェクトを避けるパスを生成することができる。
• 参考スコア（独自算出の注目度）: 14.002981599280787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots operating in the real world must plan through environments that deform, yield, and reconfigure under contact, requiring interaction-aware 3D representations that extend beyond static geometric occupancy. To address this, we introduce neural tactile fields, a novel 3D representation that maps spatial locations to the expected tactile response upon contact. Our model predicts these neural tactile fields from a single monocular RGB image -- the first method to do so. When integrated with off-the-shelf path planners, neural tactile fields enable robots to generate paths that avoid high-resistance objects while deliberately routing through low-resistance regions (e.g. foliage), rather than treating all occupied space as equally impassable. Empirically, our learning framework improves volumetric 3D reconstruction by $85.8\%$ and surface reconstruction by $26.7\%$ compared to state-of-the-art monocular 3D reconstruction methods (LRM and Direct3D).
• Abstract（参考訳）: 現実世界で動くロボットは、接触下で変形、収差、再構成を行う環境を通じて計画し、静的な幾何学的占有範囲を超えて、相互作用を意識した3D表現を必要とする。 そこで我々は,接触時の触覚応答に空間的位置をマッピングする新しい3次元表現であるニューラル・触覚場を提案する。 我々のモデルは、単一の単分子RGB画像からこれらの神経触覚場を予測する。 市販のパスプランナーと統合された場合、ニューラル・触覚場は、全ての占有空間を同等に避けられないものとして扱うのではなく、低抵抗領域(例えば葉)を意図的にルーティングしながら、高抵抗物体を避ける経路を生成することができる。 実証的に,我々の学習フレームワークは,最先端のモノクル3D再構成法(LRM,Direct3D)と比較して,体積3D再構成を85.8 %,表面再構成を26.7 %改善する。

関連論文リスト

• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)
• TouchSDF: A DeepSDF Approach for 3D Shape Reconstruction using Vision-Based Tactile Sensing [29.691786688595762]
  人間は視覚と触覚に頼り、身体環境の総合的な3D理解を開発する。 触覚3次元形状再構成のための深層学習手法であるTouchSDFを提案する。 本手法は,(1)触覚画像をタッチ位置の局所メッシュにマッピングする畳み込みニューラルネットワーク,(2)署名された距離関数を予測して所望の3次元形状を抽出する暗黙的ニューラルネットワークの2つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-11-21T13:43:06Z)
• Neural Poisson: Indicator Functions for Neural Fields [25.41908065938424]
  3次元形状の符号付き距離場表現(SDF)は顕著な進展を示した。 本稿では,3次元シーンのニューラルフィールド表現のための新しいパラダイムを提案する。 提案手法は, 合成3次元シーンデータと実写3次元シーンデータの両方に対して, 最先端の再構築性能を示す。
  論文  参考訳（メタデータ） (2022-11-25T17:28:22Z)
• OmniNeRF: Hybriding Omnidirectional Distance and Radiance fields for Neural Surface Reconstruction [22.994952933576684]
  神経放射場(NeRF)における地中破壊研究は、3Dオブジェクトの表現品質を劇的に改善した。 後年の研究では、TSDF(truncated signed distance field)を構築することでNeRFを改善したが、3D再構成における表面のぼやけた問題に悩まされている。 本研究では,3次元形状表現の新たな手法であるOmniNeRFを提案することにより,この表面の曖昧さに対処する。
  論文  参考訳（メタデータ） (2022-09-27T14:39:23Z)
• Active 3D Shape Reconstruction from Vision and Touch [66.08432412497443]
  人間は、視覚と触覚を共同で利用して、活発な物体探索を通じて世界の3D理解を構築する。 3次元形状の再構成では、最新の進歩はRGB画像、深度マップ、触覚読影などの限られた感覚データの静的データセットに依存している。 1)高空間分解能視覚に基づく触覚センサを応用した3次元物体のアクティブタッチに活用した触覚シミュレータ,2)触覚やビジュオクティビティルを先導するメッシュベースの3次元形状再構成モデル,3)触覚やビジュオのいずれかを用いたデータ駆動型ソリューションのセットからなるシステムを導入する。
  論文  参考訳（メタデータ） (2021-07-20T15:56:52Z)
• Reconstructing Interactive 3D Scenes by Panoptic Mapping and CAD Model Alignments [81.38641691636847]
  エンボディエージェントの観点から,シーン再構築の問題を再考する。 rgb-dデータストリームを用いてインタラクティブシーンを再構築する。 この再構成されたシーンは、密集したパノプティカルマップのオブジェクトメッシュを、部分ベースのCADモデルに置き換える。
  論文  参考訳（メタデータ） (2021-03-30T05:56:58Z)
• Amodal 3D Reconstruction for Robotic Manipulation via Stability and Connectivity [3.359622001455893]
  学習に基づく3Dオブジェクト再構成により、3Dオブジェクトモデルの単一または少数ショット推定が可能となる。 既存の3D再構成技術は、通常、シャムファー距離またはボクセルIOUによって測定される視覚的再構成忠実度を最適化する。 本稿では,オブジェクト形状よりも先に安定性を導入するアモーダル3D再構成システムARMと,接続前の接続,マルチチャネル入力表現を提案する。
  論文  参考訳（メタデータ） (2020-09-28T08:52:54Z)

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。