論文の概要: GRAB: A Systematic Real-World Grasping Benchmark for Robotic Food Waste Sorting

• arxiv url: http://arxiv.org/abs/2602.18835v1
• Date: Sat, 21 Feb 2026 13:42:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.616206
• Title: GRAB: A Systematic Real-World Grasping Benchmark for Robotic Food Waste Sorting
• Title（参考訳）: GRAB: ロボット食品廃棄物ソーティングのためのシステム的実世界のグラフ化ベンチマーク
• Authors: Moniesha Thilakarathna, Xing Wang, Min Wang, David Hinwood, Shuangzhe Liu, Damith Herath,
• Abstract要約: 本稿では,Glasping Real-World Article BenchmarkingフレームワークであるGRABを紹介する。 多様な変形可能なオブジェクト、高度な把握と推定のビジョン、そして重要なことに、プレグレープ条件を統合している。 本研究は,1,750件の食品汚染把握試験を含む詳細な実験評価を通じて,産業的把握度を体系的に比較した。
• 参考スコア（独自算出の注目度）: 7.232745976540689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Food waste management is critical for sustainability, yet inorganic contaminants hinder recycling potential. Robotic automation presents a compelling approach to this challenge by accelerating the sorting process through automated contaminant removal. Still, the diverse and unpredictable nature of contaminants creates major challenges for robotic grasping. Benchmarking frameworks are critical for evaluating challenges from various perspectives. However, existing protocols rely on limited simulation datasets, prioritise simple metrics such as success rate, and overlook key object and environment-related pre-grasp conditions. This paper introduces GRAB, a comprehensive Grasping Real-World Article Benchmarking framework that addresses this gap by integrating diverse deformable objects, advanced grasp-pose-estimation vision, and, importantly, pre-grasp conditions, establishing a set of critical graspability metrics. It systematically compares industrial grasping modalities through an in-depth experimental evaluation involving 1,750 food contaminant grasp attempts across four high-fidelity scenes. This large-scale evaluation provides an extensive assessment of grasp performance for food waste sorting, offering a level of depth that has rarely been explored in previous studies. The results reveal distinct gripper strengths and limitations, with object quality emerging as the dominant performance factor in cluttered environments, while vision quality and clutter levels play moderate roles. These findings highlight essential design considerations and reinforce the necessity of developing multimodal gripper technologies capable of robust cross-category performance for effective robotic food waste sorting.
• Abstract（参考訳）: 食品廃棄物の管理は持続可能性にとって重要であるが、無機汚染物質はリサイクルの可能性を妨げている。 ロボット自動化は、自動汚染物質除去によってソートプロセスを加速することで、この課題に対して魅力的なアプローチを示す。 それでも、汚染物質の多様性と予測不可能な性質は、ロボットをつかむ上で大きな課題を生み出します。 ベンチマークフレームワークは、さまざまな観点から課題を評価するために重要である。 しかし、既存のプロトコルは限られたシミュレーションデータセットに依存しており、成功率などの単純な指標を優先し、キーオブジェクトや環境関連プレグラス条件を見落としている。 本稿では,多種多様な変形可能なオブジェクトを統合することで,このギャップに対処する総合的なグラフングリアルワールド記事ベンチマークフレームワークであるGRABについて紹介する。 4つの高忠実なシーンにわたる1,750件の食品汚染保持試験を含む,詳細な実験評価を通じて,産業的把握のモダリティを体系的に比較した。 この大規模評価は食品廃棄物の選別における把握性能を広範囲に評価し, これまでの研究ではめったに研究されていない深さのレベルを提供する。 その結果, グリップの強度と限界が明らかになり, 物体品質が粗い環境における主な性能要因となる一方で, 視力と粗いレベルが適度な役割を担っていることが明らかとなった。 これらの知見は, ロボット食品廃棄物の効率的な選別に有効なクロスカテゴリ性能を有する多モードグリップ技術開発の必要性を強調し, 重要な設計上の課題を浮き彫りにするものである。

関連論文リスト

• SortWaste: A Densely Annotated Dataset for Object Detection in Industrial Waste Sorting [5.931399156681511]
  手作業による廃棄物の選別は大規模な廃棄物の流れを扱うのに非効率である。 既存の自動ソートアプローチは、現実世界の廃棄物ストリームの高ばらつき、乱雑、視覚的複雑さに悩まされている。
  論文  参考訳（メタデータ） (2026-01-05T17:34:50Z)
• Multimodal AI Systems for Enhanced Laying Hen Welfare Assessment and Productivity Optimization [0.0]
  養鶏の未来は、主観的で労働集約的な福祉チェックをデータ駆動のインテリジェントなモニタリングエコシステムに置き換えることに依存する。 伝統的な福祉評価は、人間の観察と単一センサーのデータによって制限されるが、現代の農場における鶏の福祉の複雑な多次元的な性質を完全には捉えられない。 この研究は、生産性と倫理的、科学に基づく動物ケアを一体化する、反応的、一助的モニタリングから、積極的な、精密な福祉システムへの移行の基礎を築いた。
  論文  参考訳（メタデータ） (2025-08-11T05:17:16Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [84.78366452133514]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• SatelliteCalculator: A Multi-Task Vision Foundation Model for Quantitative Remote Sensing Inversion [4.824120664293887]
  定量的リモートセンシングインバージョンのための第1ビジョン基盤モデルであるサテライト計算機を紹介する。 物理的に定義されたインデックスアダプタを利用することで、100万以上のペアのサンプルからなる大規模なデータセットを自動的に構築する。 実験により、サテライト計算機は全てのタスクの競争精度を向上し、推論コストを大幅に削減することを示した。
  論文  参考訳（メタデータ） (2025-04-18T03:48:04Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [69.38041171537573]
  水質は環境の持続可能性、生態系の回復力、公衆衛生に基礎を置いている。 ディープラーニングは、大規模な水質予測と科学的洞察生成のための変革的なポテンシャルを提供する。 汚染緩和や資源配分等、高額な運用上の意思決定に広く採用されていることは、未解決の信頼性の課題によって防止されている。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• SpectralWaste Dataset: Multimodal Data for Waste Sorting Automation [46.178512739789426]
  本稿では, 廃棄物処理施設から収集した最初のデータセットであるSpectralWasteについて紹介する。 このデータセットには、分類植物によく見られるいくつかのカテゴリのオブジェクトのラベルが含まれている。 異なるオブジェクトセグメンテーションアーキテクチャを用いたパイプラインを提案し,その代替案をデータセット上で評価する。
  論文  参考訳（メタデータ） (2024-03-26T18:39:38Z)
• ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
  産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。 このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。 最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:17:09Z)

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。