論文の概要: One-Shot Cross-Geometry Skill Transfer through Part Decomposition

• arxiv url: http://arxiv.org/abs/2604.15455v1
• Date: Thu, 16 Apr 2026 18:16:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.616861
• Title: One-Shot Cross-Geometry Skill Transfer through Part Decomposition
• Title（参考訳）: 部分分解によるワンショットクロスジオメトリー技術移転
• Authors: Skye Thompson, Ondrej Biza, George Konidaris,
• Abstract要約: デモがあれば、ロボットは遭遇したあらゆる物体にスキルを一般化できるはずだ。 既存のスキルトランスファーのアプローチは、不慣れな形状のオブジェクトに適応できないことが多い。 本稿では,オブジェクトを構成要素のセマンティック部分へ分解することで転送を改善する手法を提案する。
• 参考スコア（独自算出の注目度）: 12.531440065339458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Given a demonstration, a robot should be able to generalize a skill to any object it encounters-but existing approaches to skill transfer often fail to adapt to objects with unfamiliar shapes. Motivated by examples of improved transfer from compositional modeling, we propose a method for improving transfer by decomposing objects into their constituent semantic parts. We leverage data-efficient generative shape models to accurately transfer interaction points from the parts of a demonstration object to a novel object. We autonomously construct an objective to optimize the alignment of those points on skill-relevant object parts. Our method generalizes to a wider range of object geometries than existing work, and achieves successful one-shot transfer for a range of skills and objects from a single demonstration, in both simulated and real environments.
• Abstract（参考訳）: デモがあれば、ロボットは遭遇するあらゆる物体にスキルを一般化できるはずだが、既存の技術移転アプローチでは、不慣れな形状の物体に適応できないことが多い。 本稿では,合成モデルからの変換の改善例を例として,オブジェクトを構成意味部分へ分解することで変換を改善する手法を提案する。 我々は、データ効率のよい生成形状モデルを利用して、実験対象から新しい対象へ相互作用点を正確に転送する。 我々は,これらの点のアライメントをスキル関連部品に最適化する目的を,自律的に構築する。 提案手法は,既存の作業よりも広い範囲のオブジェクト・ジオメトリに一般化し,シミュレーションと実環境の両方において,一つの実演から1ショット・トランスファーを成功させる。

関連論文リスト

• Affordance Transfer Across Object Instances via Semantically Anchored Functional Map [4.786936073180585]
  本研究では,1つの視覚的実演からオブジェクト間でアベイランスを伝達するフレームワークであるemphSemantic Anchored Functional Maps (SemFM)を提案する。 本手法は,オブジェクト間のセマンティックな機能領域を特定し,相互に排他的なセマンティックアンカーを選択し,それらの制約を表面上で伝達する。 合成対象カテゴリーと実世界のロボット操作タスクの実験により,本手法が計算コストを抑えながら精度の高い移動を可能にすることを示す。
  論文  参考訳（メタデータ） (2026-02-16T16:04:47Z)
• PartHOI: Part-based Hand-Object Interaction Transfer via Generalized Cylinders [15.1049019475729]
  ハンドオブジェクトインタラクション(HOI)を理解し,モデル化するための学習ベースの手法は,高品質なHOIデータを必要とする。 HOIデータを作成する1つの方法は、オブジェクトの幾何学に基づいて、ソースオブジェクトから別のオブジェクトへの手ポーズを転送することである。 PartHOIは、対象部品間の堅牢な幾何学的対応を確立し、接触点の移動を可能にする。
  論文  参考訳（メタデータ） (2025-04-29T09:56:29Z)
• Detection Based Part-level Articulated Object Reconstruction from Single RGBD Image [52.11275397911693]
  本稿では,1枚のRGBD画像から複数の人工関節オブジェクトを再構成する,エンドツーエンドで訓練可能なクロスカテゴリ手法を提案する。 私たちは、あらかじめ定義された部分数で人工的なオブジェクトに焦点をあて、インスタンスレベルの潜在空間を学習することに依存する以前の作業から離れています。 提案手法は, 従来の作業では処理できない様々な構成された複数インスタンスの再構築に成功し, 形状再構成や運動学推定において, 先行の作業よりも優れていた。
  論文  参考訳（メタデータ） (2025-04-04T05:08:04Z)
• SIGHT: Synthesizing Image-Text Conditioned and Geometry-Guided 3D Hand-Object Trajectories [124.24041272390954]
  手動物体の相互作用をモデル化することは、ロボットと具体化されたAIシステムを前進させる大きな可能性を秘めている。 SIGHTは、1つの画像から現実的で物理的に妥当な3Dハンドオブジェクトインタラクショントラジェクトリを生成することに焦点を当てた,新しいタスクである。 SIGHT-Fusionは,データベースから最もよく似た3Dオブジェクトメッシュを抽出し,この課題に対処する,新しい拡散型画像文条件付き生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-03-28T20:53:20Z)
• Geometrically-Aware One-Shot Skill Transfer of Category-Level Objects [18.978751760636563]
  本研究では,ロボットが複雑な物体操作のスキルと制約を1人の人間の実演から伝達することのできる,新しいスキル伝達フレームワークを提案する。 提案手法は,オブジェクト中心のインタラクションに着目したデモンストレーションから幾何学的表現を導出することで,スキル獲得とタスク実行の課題に対処する。 本手法の有効性と適応性を広範囲な実験により検証し,追加の訓練を必要とせず,多様な実環境における技術移転とタスク実行を実証した。
  論文  参考訳（メタデータ） (2025-03-19T16:10:17Z)
• Zero-Shot Object-Centric Representation Learning [72.43369950684057]
  ゼロショット一般化のレンズによる現在の対象中心法について検討する。 8つの異なる合成および実世界のデータセットからなるベンチマークを導入する。 多様な実世界の画像のトレーニングにより、見えないシナリオへの転送性が向上することがわかった。
  論文  参考訳（メタデータ） (2024-08-17T10:37:07Z)
• Learning Part Motion of Articulated Objects Using Spatially Continuous Neural Implicit Representations [8.130629735939895]
  本稿では, 部分面上の点の変換行列を予測することにより, 物体の運動を乱す新しい枠組みを提案する。 提案手法は, 変形行列が空間内における様々な関節運動をモデル化できるという点で, 様々な関節運動に対して汎用的である。
  論文  参考訳（メタデータ） (2023-11-21T07:54:40Z)
• ROAM: Robust and Object-Aware Motion Generation Using Neural Pose Descriptors [73.26004792375556]
  本稿では,3次元オブジェクト認識キャラクタ合成における新しいシーンオブジェクトへのロバストさと一般化が,参照オブジェクトを1つも持たないモーションモデルをトレーニングすることで実現可能であることを示す。 我々は、オブジェクト専用のデータセットに基づいて訓練された暗黙的な特徴表現を活用し、オブジェクトの周りのSE(3)-同変記述体フィールドをエンコードする。 本研究では,3次元仮想キャラクタの動作と相互作用の質,および未知のオブジェクトを持つシナリオに対するロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-08-24T17:59:51Z)
• Grasp Transfer based on Self-Aligning Implicit Representations of Local Surfaces [10.602143478315861]
  本研究は,ロボットがこれまで遭遇した物体と形状の類似性を共有する新しい物体に,把握経験や実演を移す問題に対処する。 我々は、オブジェクトメッシュの小さなデータセットから暗黙の局所的な表面表現モデルを学ぶために、単一の専門家のグリーグデモを使用します。 推測時において、このモデルは、専門家の把握が示される表面と最も幾何学的に類似した表面を識別することにより、新しい物体に把握を伝達するために使用される。
  論文  参考訳（メタデータ） (2023-08-15T14:33:17Z)
• Plug and Play, Model-Based Reinforcement Learning [60.813074750879615]
  我々は、既知のオブジェクトクラスから新しいオブジェクトをゼロショットで統合できるオブジェクトベースの表現を導入する。 これは、グローバル遷移力学を局所遷移関数の和として表現することで達成される。 実験により, 様々なセットアップにおいて, サンプル効率が達成できることが示された。
  論文  参考訳（メタデータ） (2021-08-20T01:20:15Z)

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。