論文の概要: GaussTwin: Unified Simulation and Correction with Gaussian Splatting for Robotic Digital Twins
- arxiv url: http://arxiv.org/abs/2603.05108v1
- Date: Thu, 05 Mar 2026 12:27:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.936138
- Title: GaussTwin: Unified Simulation and Correction with Gaussian Splatting for Robotic Digital Twins
- Title（参考訳）: GaussTwin: ロボットデジタル双生児のためのガウススプレイティングによる統一シミュレーションと補正
- Abstract要約: GaussTwinは、位置に基づくダイナミクスと離散コセラットロッドの定式化を組み合わせたリアルタイムデジタルツインである。
GaussTwinは、形状マッチングや剛性のみのベースラインに比べて、トラッキング精度とロバスト性を一貫して改善することを示す。
- 参考スコア（独自算出の注目度）: 15.345154779819302
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital twins promise to enhance robotic manipulation by maintaining a consistent link between real-world perception and simulation. However, most existing systems struggle with the lack of a unified model, complex dynamic interactions, and the real-to-sim gap, which limits downstream applications such as model predictive control. Thus, we propose GaussTwin, a real-time digital twin that combines position-based dynamics with discrete Cosserat rod formulations for physically grounded simulation, and Gaussian splatting for efficient rendering and visual correction. By anchoring Gaussians to physical primitives and enforcing coherent SE(3) updates driven by photometric error and segmentation masks, GaussTwin achieves stable prediction-correction while preserving physical fidelity. Through experiments in both simulation and on a Franka Research 3 platform, we show that GaussTwin consistently improves tracking accuracy and robustness compared to shape-matching and rigid-only baselines, while also enabling downstream tasks such as push-based planning. These results highlight GaussTwin as a step toward unified, physically meaningful digital twins that can support closed-loop robotic interaction and learning.
- Abstract（参考訳）: デジタル双生児は、現実世界の知覚とシミュレーションとの一貫性のあるリンクを維持することによって、ロボット操作を強化することを約束する。
しかし、既存のシステムのほとんどは、統一されたモデル、複雑な動的相互作用、そしてモデル予測制御のような下流のアプリケーションを制限するリアル・ツー・シムギャップの欠如に苦慮している。
そこで我々は,位置に基づくダイナミクスと離散コセラットロッドの定式化を組み合わせた実時間ディジタルツインであるGaussTwinと,効率的なレンダリングと視覚補正のためのGaussian splattingを提案する。
ガウスアンを物理的プリミティブに固定し、測光誤差とセグメンテーションマスクによって駆動されるコヒーレントSE(3)更新を強制することにより、ガウスツインは物理的忠実性を維持しながら安定した予測補正を達成する。
シミュレーションおよびFranka Research 3プラットフォーム上での実験により、GussTwinは、形状マッチングや剛性のみのベースラインに比べて、トラッキング精度とロバスト性を一貫して改善し、プッシュベースプランニングのような下流タスクも可能にした。
これらの結果は、GaussTwinを、クローズドループロボットのインタラクションと学習をサポートする統合的で物理的に意味のあるデジタル双生児へのステップとして強調している。
関連論文リスト
- DecoupleGS: Interactive 3D Gaussian Splatting for End-to-End Autonomous Driving Testing [37.82194951319459]
エンドツーエンド(E2E)自律運転アルゴリズムは、シミュレーション環境で厳密な閉ループ検証を必要とする。
ゲームエンジンから静的なニューラルレンダリングに至るまで、既存のアプローチは本質的にこれらの要件をトレードオフする。
大規模E2E評価に適した3次元ガウススティング(3DGS)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-03T06:32:00Z) - ArtiTwinSplat: Interactable Digital Twin Reconstruction via Gaussian Splatting from RGB-D videos [47.4010297818512]
ArtiTwinSplatは、RGB-Dビデオからオブジェクトの合成された写真リアルなデジタルツインを自動的に構築するフレームワークである。
本手法は幾何学的忠実度と測光的リアリズムを保存する3次元ガウス格子上に構築されている。
論文 参考訳（メタデータ） (2026-06-23T14:24:07Z) - ManiSplat: Manipulation Trajectory Synthesis from Monocular Video via Decoupled 3D Gaussian Splatting [28.256286705954846]
現実の観察から動的でインタラクティブな3Dシーンを再構築することは、コンピュータビジョンとロボティクスの基本的な課題である。
ロボットビデオから直接ガウスのデジタル双生児を制御可能で分離する統合フレームワークであるManiSplatを紹介した。
提案手法は,対話駆動型動的シーンを高忠実度かつ制御性で再構築し,下流ロボットタスクとポリシー学習を効果的に支援する。
論文 参考訳（メタデータ） (2026-06-09T09:55:58Z) - DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。
我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。
この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
論文 参考訳（メタデータ） (2026-04-08T07:01:24Z) - GaussFly: Contrastive Reinforcement Learning for Visuomotor Policies in 3D Gaussian Fields [10.10713417247828]
GaussFlyは、ポリシー最適化から表現学習を明示的に分離する新しいフレームワークである。
複雑なテクスチャを持つ、目に見えない現実世界環境へのロバストでゼロショットのポリシー転送を可能にする。
論文 参考訳（メタデータ） (2026-04-06T18:10:52Z) - DiffusionHarmonizer: Bridging Neural Reconstruction and Photorealistic Simulation with Online Diffusion Enhancer [62.18680935878919]
レンダリングを時間的に一貫した出力に変換するオンライン生成拡張フレームワークであるDiffusionHarmonizerを紹介した。
コアとなるのは、単一のGPU上でオンラインシミュレータで実行可能な、一段階の時間的条件付きエンハンサーである。
論文 参考訳（メタデータ） (2026-02-27T15:35:30Z) - GaussianFluent: Gaussian Simulation for Dynamic Scenes with Mixed Materials [34.530526668727056]
GaussianFluentは動的オブジェクト状態の現実的なシミュレーションとレンダリングのためのフレームワークである。
生成モデルによって導かれる内部ガウスを密度化することによって内部を合成する。
最適化された連続損傷材料ポイント法(CD-MPM)を統合し、極めて高速で脆性破壊シミュレーションを可能にする。
論文 参考訳（メタデータ） (2026-01-14T07:59:52Z) - A High-Fidelity Digital Twin for Robotic Manipulation Based on 3D Gaussian Splatting [0.0]
粗いRGB入力から数分以内に高品質なデジタルツインを構築するフレームワークを提案する。
本システムでは3次元ガウススプラッティング(3DGS)を用いて高速で光写実的再構成を行い,シーンを統一的に表現する。
フランカ・エミカ・パンダ(Franka Emika Panda)ロボットを用いた実験では、この拡張された幾何精度が実世界の試行において堅牢な操作を効果的にサポートすることを示した。
論文 参考訳（メタデータ） (2026-01-06T17:29:10Z) - CaricatureGS: Exaggerating 3D Gaussian Splatting Faces With Gaussian Curvature [13.47263744740423]
顔のための制御可能で制御可能な3Dキャラクタライゼーションフレームワークを紹介する。
我々は3Dガウススティング(3DGS)を利用しており、これは近年、現実的な自由視点アバターを生み出すことが示されている。
論文 参考訳（メタデータ） (2026-01-06T13:56:28Z) - Gaussian Swaying: Surface-Based Framework for Aerodynamic Simulation with 3D Gaussians [35.72395384675807]
ガウススウェイディング(英: Gaussian Swaying)は、3Dガウスを用いた空力シミュレーションのための表面ベースのフレームワークである。
我々のフレームワークはシミュレーションとレンダリングを同じ表現で統一する: ガウスパッチ。
本フレームワークは,現実的な空力シーンシミュレーションのためのスケーラブルなアプローチとして,最先端の性能と効率性を実現する。
論文 参考訳（メタデータ） (2025-12-01T06:03:47Z) - RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。
2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
論文 参考訳（メタデータ） (2025-06-03T11:13:48Z) - GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。
我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。
さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文 参考訳（メタデータ） (2024-12-23T18:58:17Z) - DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。
複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
論文 参考訳（メタデータ） (2024-11-18T05:49:16Z) - Differentiable DG with Neural Operator Source Term Correction [0.0]
圧縮可能なNavier-Stokes方程式を解くためのエンドツーエンドの微分可能なフレームワークを提案する。
この統合アプローチは、微分可能不連続なガレルキン解法とニューラルネットワークのソース項を組み合わせる。
提案するフレームワークの性能を2つの例で示す。
論文 参考訳（メタデータ） (2023-10-29T04:26:23Z)
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。