論文の概要: Zero Shot Deformation Reconstruction for Soft Robots Using a Flexible Sensor Array and Cage Based 3D Gaussian Modeling
- arxiv url: http://arxiv.org/abs/2603.19543v1
- Date: Fri, 20 Mar 2026 00:56:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 19:48:38.927586
- Title: Zero Shot Deformation Reconstruction for Soft Robots Using a Flexible Sensor Array and Cage Based 3D Gaussian Modeling
- Title（参考訳）: フレキシブルセンサアレイとケージに基づく3次元ガウスモデリングを用いたソフトロボットのゼロショット変形再構成
- Authors: Linrui Shou, Zilang Chen, Wenjia Xu, Yiyue Luo, Tingyu Cheng,
- Abstract要約: ゼロショットの変形再構成は、変形データを収集したり、配置中に再トレーニングを行うことなく、オブジェクト全体の変形を未確認のソフトロボットに推測する能力として定義される。
提案フレームワークは, フレキシブルピエゾ抵抗型センサアレイと幾何学的, ケージに基づく3次元ガウス変形モデルを統合する。
0.67 IoU、0.65 SSIM、および3.48mmのチャンファー距離を達成し、触覚センシングと構造変形の明示的な結合による強い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）: 13.363052557818968
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a zero-shot deformation reconstruction framework for soft robots that operates without any visual supervision at inference time. In this work, zero-shot deformation reconstruction is defined as the ability to infer object-wide deformations on previously unseen soft robots without collecting object-specific deformation data or performing any retraining during deployment. Our method assumes access to a static geometric proxy of the undeformed object, which can be obtained from a STL model. During operation, the system relies exclusively on tactile sensing, enabling camera-free deformation inference. The proposed framework integrates a flexible piezoresistive sensor array with a geometry-aware, cage-based 3D Gaussian deformation model. Local tactile measurements are mapped to low-dimensional cage control signals and propagated to dense Gaussian primitives to generate globally consistent shape deformations. A graph attention network regresses cage displacements from tactile input, enforcing spatial smoothness and structural continuity via boundary-aware propagation. Given only a nominal geometric proxy and real-time tactile signals, the system performs zero-shot deformation reconstruction of unseen soft robots in bending and twisting motions, while rendering photorealistic RGB in real time. It achieves 0.67 IoU, 0.65 SSIM, and 3.48 mm Chamfer distance, demonstrating strong zero-shot generalization through explicit coupling of tactile sensing and structured geometric deformation.
- Abstract（参考訳）: 提案するソフトロボットのゼロショット変形復元フレームワークは,推定時に視覚的監督を伴わずに動作する。
本研究では、ゼロショット変形再構成を、対象固有の変形データを収集したり、展開中に再トレーニングを行なわなくても、従来見ていなかったソフトロボット上で対象範囲の変形を推測する能力として定義する。
本手法は,STLモデルから得られる未変形物体の静的な幾何学的プロキシへのアクセスを仮定する。
操作中、システムは触覚のみに依存し、カメラなしの変形推論を可能にする。
提案フレームワークは, フレキシブルピエゾ抵抗型センサアレイと幾何学的, ケージに基づく3次元ガウス変形モデルを統合する。
局所触覚測定は低次元ケージ制御信号にマッピングされ、密集したガウス原始体に伝播して一貫した形状変形を生成する。
グラフ注意ネットワークは、触覚入力からケージ変位を抑圧し、境界認識伝搬を介して空間的滑らかさと構造的連続性を強制する。
このシステムは、名目上の幾何学的プロキシとリアルタイム触覚信号のみを前提として、曲げやねじれ動作において、見えないソフトロボットのゼロショット変形再構成を行い、フォトリアリスティックなRGBをリアルタイムでレンダリングする。
0.67 IoU、0.65 SSIM、および3.48mmのチャンファー距離を達成し、触覚センシングと構造変形の明示的な結合による強いゼロショットの一般化を示す。
関連論文リスト
- Adaptive Scaling with Geometric and Visual Continuity of completed 3D objects [0.0]
静的完備SDFを構造的に整合性のあるオブジェクトに変換する部分認識スケーリングフレームワークを導入する。
提案手法は,完成したSDFの固有剛性を克服し,グローバルな選択的スケーリングやナイーブなスケーリングよりも視覚的に魅力的である。
論文 参考訳（メタデータ） (2026-02-13T13:05:54Z) - Robo3R: Enhancing Robotic Manipulation with Accurate Feed-Forward 3D Reconstruction [70.06600045165905]
3D空間認識は、一般的なロボット操作の基本であるが、信頼性が高く高品質な3D形状の取得は依然として困難である。
本稿では,RGB画像やロボットの状態から直接,正確な距離スケールのシーン形状をリアルタイムで予測する操作可能な3次元再構成モデルであるRobo3Rを紹介する。
我々は、ロボット操作のためのこの代替3Dセンシングモジュールの約束を示唆し、パフォーマンスの連続的な向上を観察する。
論文 参考訳（メタデータ） (2026-02-10T18:58:15Z) - DiffeoMorph: Learning to Morph 3D Shapes Using Differentiable Agent-Based Simulations [2.174820084855635]
DiffeoMorphは、形態形成プロトコルを学ぶためのエンドツーエンドの差別化可能なフレームワークである。
エージェントの集団がターゲットの3D形状に変化するように誘導する。
DiffeoMorph は最小限のキューのみを用いて様々な形状を形成可能であることを示す。
論文 参考訳（メタデータ） (2025-12-18T23:50:42Z) - 3DPCNet: Pose Canonicalization for Robust Viewpoint-Invariant 3D Kinematic Analysis from Monocular RGB cameras [7.906702226082628]
3DPCNetは3Dジョイント座標で直接動作するコンパクトな推定器に依存しないモジュールである。
本手法は,地中構造IMUセンサデータと強い視覚的対応を示すビデオから加速度信号を生成する。
論文 参考訳（メタデータ） (2025-09-27T18:55:21Z) - Adaptive Point-Prompt Tuning: Fine-Tuning Heterogeneous Foundation Models for 3D Point Cloud Analysis [51.37795317716487]
本稿では,パラメータの少ない事前学習モデルを微調整するAdaptive Point-Prompt Tuning (APPT)法を提案する。
局所幾何学を集約することで原点雲を点埋め込みに変換し、空間的特徴を捉える。
任意のモダリティのソース領域から3Dへの自己アテンションを校正するために,重みを点埋め込みモジュールと共有するプロンプトジェネレータを導入する。
論文 参考訳（メタデータ） (2025-08-30T06:02:21Z) - Self-Supervised Multi-Part Articulated Objects Modeling via Deformable Gaussian Splatting and Progressive Primitive Segmentation [23.18517560629462]
DeGSSは,物体を変形可能な3次元ガウス場として符号化し,幾何学,外観,動きを1つのコンパクト表現に埋め込む統一フレームワークである。
一般化とリアリズムを評価するために、合成PartNet-Mobilityベンチマークを拡張し、RGBキャプチャと正確にリバースエンジニアリングされた3Dモデルを組み合わせたリアル・トゥ・シムデータセットRS-Artをリリースする。
論文 参考訳（メタデータ） (2025-06-11T12:32:16Z) - Simplicits: Mesh-Free, Geometry-Agnostic, Elastic Simulation [18.45850302604534]
幾何表現の任意の対象に対して弾性シミュレーションを行うための,データ,メッシュ,グリッドフリーのソリューションを提案する。
各オブジェクトに対して、変形ベースとして作用する様々な重みを符号化する小さな暗黙のニューラルネットワークを適合させる。
実験では, 距離関数, 点雲, ニューラルプリミティブ, トモグラフィースキャン, 放射場, ガウススプラット, 表面メッシュ, 体積メッシュなどのデータに対して, このアプローチの汎用性, 精度, 速度を実証した。
論文 参考訳（メタデータ） (2024-06-09T18:57:23Z) - Learning Modulated Transformation in GANs [69.95217723100413]
生成逆数ネットワーク(GAN)のジェネレータに、変調変換モジュール(Modulated transformation module, MTM)と呼ばれるプラグアンドプレイモジュールを装備する。
MTMは、可変位置で畳み込み操作を適用可能な潜在符号の制御下で空間オフセットを予測する。
挑戦的なTaiChiデータセット上での人為的な生成に向けて、StyleGAN3のFIDを21.36から13.60に改善し、変調幾何変換の学習の有効性を実証した。
論文 参考訳（メタデータ） (2023-08-29T17:51:22Z) - SceNeRFlow: Time-Consistent Reconstruction of General Dynamic Scenes [75.9110646062442]
我々はSceNeRFlowを提案し、時間的一貫性のある方法で一般的な非剛体シーンを再構築する。
提案手法は,カメラパラメータを入力として,静止カメラからのマルチビューRGBビデオと背景画像を取得する。
実験により,小規模動作のみを扱う先行作業とは異なり,スタジオスケール動作の再構築が可能であることが示された。
論文 参考訳（メタデータ） (2023-08-16T09:50:35Z) - Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。
EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。
さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-11T03:49:59Z) - Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。
提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
論文 参考訳（メタデータ） (2020-06-15T09:15:54Z)
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。