論文の概要: SuperGrasp: Single-View Object Grasping via Superquadric Similarity Matching, Evaluation, and Refinement

• arxiv url: http://arxiv.org/abs/2603.29254v1
• Date: Tue, 31 Mar 2026 04:25:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.149281
• Title: SuperGrasp: Single-View Object Grasping via Superquadric Similarity Matching, Evaluation, and Refinement
• Title（参考訳）: SuperGrasp:スーパークアッドリック類似性マッチング、評価、リファインメントによる単一ビューオブジェクトのグラッピング
• Authors: Lijingze Xiao, Jinhong Du, Yang Cong, Supeng Diao, Yu Ren,
• Abstract要約: SuperGraspは、パラレルジャウグリップパーでシングルビューグリップを行うための新しい2段階フレームワークである。 第1段階では,認識候補を効率的に検索する類似マッチングモジュールを導入する。 第2段階では,知的領域を拡張するエンド・ツー・エンドのネットワークであるE-RNetを提案する。
• 参考スコア（独自算出の注目度）: 27.71481975135778
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic grasping from single-view observations remains a critical challenge in manipulation. Existing methods still struggle to generate stable and valid grasp poses when confronted with incomplete geometric information. To address these limitations, we propose SuperGrasp, a novel two-stage framework for single-view grasping with parallel-jaw grippers that decomposes the grasping process into initial grasp pose generation and subsequent grasp evaluation and refinement. In the first stage, we introduce a Similarity Matching Module that efficiently retrieves grasp candidates by matching the input single-view point cloud with a pre-computed primitive dataset based on superquadric coefficients. In the second stage, we propose E-RNet, an end-to-end network that expands the graspaware region and takes the initial grasp closure region as a local anchor region, enabling more accurate and reliable evaluation and refinement of grasp candidates. To enhance generalization, we construct a primitive dataset containing 1.5k primitives for similarity matching and collect a large-scale point cloud dataset with 100k stable grasp labels from 124 objects for network training. Extensive experiments in both simulation and realworld environments demonstrate that our method achieves stable grasping performance and strong generalization across varying scenes and novel objects.
• Abstract（参考訳）: 単視点観測によるロボットの把握は、操作において重要な課題である。 既存の手法は、不完全な幾何学的情報に直面するとき、安定かつ有効な把握ポーズを生成するのに依然として苦労している。 これらの制約に対処するため,並列ジャウグリップパーを用いた単一視点グリップのための新しい2段階フレームワークであるSuperGraspを提案し,このグリップ処理を初期グリップポーズ生成とその後のグリップ評価と改善に分解する。 第1段階では、入力された単一視点のクラウドとスーパークワッド係数に基づく事前計算されたプリミティブデータセットとをマッチングすることにより、把握候補を効率的に検索する類似性マッチングモジュールを導入する。 第2段階では,認識領域を拡張し,最初の把握閉鎖領域を局所アンカー領域とし,より正確で信頼性の高い把握候補の評価と改善を可能にするエンド・ツー・エンドのネットワークであるE-RNetを提案する。 一般化を促進するため,類似性マッチングのための1.5kプリミティブを含むプリミティブデータセットを構築し,ネットワークトレーニングのための124個のオブジェクトから,100kの安定したグリップラベルを持つ大規模ポイントクラウドデータセットを収集する。 シミュレーション環境と実環境環境の両方における大規模な実験により,本手法は,様々なシーンや新しいオブジェクトに対して,安定した把握性能と強力な一般化を実現することが実証された。

関連論文リスト

• Self-Supervised Implicit Attention Priors for Point Cloud Reconstruction [7.652381699040464]
  入力点雲自体から直接、形状特異的な事前を蒸留する暗黙の自己優先的アプローチを導入する。 このハイブリッド戦略は,スパーク領域の規則化に先立って学習した知識を活用しつつ,入力データ中の微細な幾何学的詳細を保存していることを示す。
  論文  参考訳（メタデータ） (2025-11-06T23:01:22Z)
• A Multi-Level Similarity Approach for Single-View Object Grasping: Matching, Planning, and Fine-Tuning [17.162675084829242]
  一つの視点から3つの重要なステップを通して、未知の物体をしっかりと把握する手法を提案する。 本稿では, 意味的, 幾何学的, 次元的特徴を統合し, 包括的評価を行う多層類似性マッチングフレームワークを提案する。 さらに,大規模言語モデルの導入,半指向境界ボックスの導入,平面検出に基づく新たなポイントクラウド登録手法の開発などを行い,単一ビュー条件下でのマッチング精度の向上を図る。
  論文  参考訳（メタデータ） (2025-07-16T06:07:57Z)
• You Only Estimate Once: Unified, One-stage, Real-Time Category-level Articulated Object 6D Pose Estimation for Robotic Grasping [119.41166438439313]
  YOEOは、エンドツーエンドでインスタンスセグメンテーションとNPCS表現を出力する単一ステージのメソッドである。 我々は、統一ネットワークを使用してポイントワイズセマンティックラベルとセントロイドオフセットを生成し、同じパートインスタンスのポイントが同じセントロイドに投票できるようにする。 また,合成学習したモデルを実環境に展開し,200Hzでリアルタイムな視覚フィードバックを提供する。
  論文  参考訳（メタデータ） (2025-06-06T03:49:20Z)
• Incremental Multiview Point Cloud Registration with Two-stage Candidate Retrieval [12.528821749262931]
  マルチビューポイントクラウド登録は、様々なコンピュータビジョンタスクの基盤となる。 本稿では,すべてのスキャンを段階的にメタ形状に登録するインクリメンタルなマルチビューポイントクラウド登録手法を提案する。
  論文  参考訳（メタデータ） (2024-07-10T10:24:28Z)
• AGILE: Approach-based Grasp Inference Learned from Element Decomposition [2.812395851874055]
  人間は手動の位置情報を考慮して物体を把握できる。 本研究は、ロボットマニピュレータが物体を最も最適な方法で把握し、同じことを学べるようにする方法を提案する。
  論文  参考訳（メタデータ） (2024-02-02T10:47:08Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Self-Supervised Arbitrary-Scale Point Clouds Upsampling via Implicit Neural Representation [79.60988242843437]
  そこで本研究では,自己監督型および倍率フレキシブルな点雲を同時にアップサンプリングする手法を提案する。 実験結果から, 自己教師あり学習に基づく手法は, 教師あり学習に基づく手法よりも, 競争力や性能が向上することが示された。
  論文  参考訳（メタデータ） (2022-04-18T07:18:25Z)
• SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine Reconstruction with Self-Projection Optimization [52.20602782690776]
  実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。 本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。 本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-08T14:14:09Z)
• Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
  本稿では,3次元形状対応のための教師なし学習手法を提案する。 提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-28T22:24:07Z)
• Pairwise Similarity Knowledge Transfer for Weakly Supervised Object Localization [53.99850033746663]
  弱教師付き画像ラベルを持つ対象クラスにおける局所化モデル学習の問題点について検討する。 本研究では,対象関数のみの学習は知識伝達の弱い形態であると主張する。 COCOおよびILSVRC 2013検出データセットの実験では、ペアワイズ類似度関数を含むことにより、ローカライズモデルの性能が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2020-03-18T17:53:33Z)

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。