論文の概要: LeHome: A Simulation Environment for Deformable Object Manipulation in Household Scenarios

• arxiv url: http://arxiv.org/abs/2604.22363v1
• Date: Fri, 24 Apr 2026 08:53:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.405946
• Title: LeHome: A Simulation Environment for Deformable Object Manipulation in Household Scenarios
• Title（参考訳）: 家庭シナリオにおける変形可能な物体操作のためのシミュレーション環境LeHome
• Authors: Zeyi Li, Yushi Yang, Shawn Xie, Kyle Xu, Tianxing Chen, Yuran Wang, Zhenhao Shen, Yan Shen, Yue Chen, Wenjun Li, Yukun Zheng, Chaorui Zhang, Siyi Lin, Fei Teng, Hongjun Yang, Ming Chen, Steve Xie, Ruihai Wu,
• Abstract要約: LeHomeは、家庭用シナリオにおける変形可能なオブジェクト操作のために設計された包括的なシミュレーション環境である。 LeHomeは、衣類や食品など、幅広い変形可能なオブジェクトをカバーし、高忠実度なダイナミクスを提供する。 LeHomeは、リソース制約のあるハードウェア上での家庭用タスクのエンドツーエンド評価を可能にする、低コストロボットを中心的焦点として強調する。
• 参考スコア（独自算出の注目度）: 24.415846855112033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Household environments present one of the most common, impactful yet challenging application domains for robotics. Within household scenarios, manipulating deformable objects is particularly difficult, both in simulation and real-world execution, due to varied categories and shapes, complex dynamics, and diverse material properties, as well as the lack of reliable deformable-object support in existing simulations. We introduce LeHome, a comprehensive simulation environment designed for deformable object manipulation in household scenarios. LeHome covers a wide spectrum of deformable objects, such as garments and food items, offering high-fidelity dynamics and realistic interactions that existing simulators struggle to simulate accurately. Moreover, LeHome supports multiple robotic embodiments and emphasizes low-cost robots as a core focus, enabling end-to-end evaluation of household tasks on resource-constrained hardware. By bridging the gap between realistic deformable object simulation and practical robotic platforms, LeHome provides a scalable testbed for advancing household robotics. Webpage: https://lehome-web.github.io/ .
• Abstract（参考訳）: 家庭環境は、ロボット工学の最も一般的で、影響を受けやすい、そして挑戦的な応用分野の1つである。 家庭のシナリオにおいて、変形可能なオブジェクトを操作することは、シミュレーションと実世界の実行の両方において、様々なカテゴリや形状、複雑なダイナミクス、多様な材料特性、既存のシミュレーションにおける信頼性の高い変形可能なオブジェクトサポートの欠如など、特に困難である。 家庭用シナリオにおける変形可能なオブジェクト操作のための総合シミュレーション環境であるLeHomeを紹介する。 LeHomeは、衣類や食品などの幅広い変形可能なオブジェクトをカバーし、既存のシミュレーターが正確にシミュレートするのに苦労する、高忠実なダイナミクスと現実的な相互作用を提供する。 さらに、LeHomeは複数のロボットエボディメントをサポートし、リソース制約のあるハードウェア上での家庭用タスクのエンドツーエンド評価を可能にするために、低コストロボットを中心的焦点として強調する。 現実的な変形可能な物体シミュレーションと実用的なロボットプラットフォームとのギャップを埋めることによって、LeHomeは家庭用ロボティクスを前進させるためのスケーラブルなテストベッドを提供する。 Webページ: https://lehome-web.github.io/

関連論文リスト

• From Seeing to Simulating: Generative High-Fidelity Simulation with Digital Cousins for Generalizable Robot Learning and Evaluation [11.382656265384854]
  実世界のパノラマから高忠実度シミュレーションシーンへの生成的リアルタイムマッピングを確立するための生成フレームワークを提案する。 高品質な物理エンジンと現実的なアセットを組み合わせることで、生成されたシーンは対話的な操作タスクをサポートする。 実験では、プラットフォームの忠実さを検証する強力なsim-to-real相関が示され、データ生成を広範囲にスケールアップすることで、目に見えないシーンやオブジェクトのバリエーションに対して、はるかに優れた一般化をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-04-17T08:06:26Z)
• ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation [90.4702774169675]
  本稿では,古典シミュレーションとニューラルシミュレーションを組み合わせた合成シミュレーションというハイブリッド手法を提案する。 提案手法では,少数の実世界のデータを活用するクローズドループ・リアル・シモン・リアル・データ拡張パイプラインを利用する。 我々はニューラルシミュレーターをトレーニングし、古典的なシミュレーションビデオを現実世界の表現に変換し、現実の環境で訓練されたポリシーモデルの精度を向上させる。
  論文  参考訳（メタデータ） (2026-04-13T12:25:45Z)
• MolmoSpaces: A Large-Scale Open Ecosystem for Robot Navigation and Manipulation [56.30931340537373]
  MolmoSpacesは、ロボットポリシーのベンチマークをサポートするための、完全にオープンなエコシステムである。 MolmoSpacesは230万以上の屋内環境で構成されている。 MolmoSpaces-Benchは8つのタスクのベンチマークスイートで、ロボットが私たちの多様なシーンとリッチな注釈付きオブジェクトと対話する。
  論文  参考訳（メタデータ） (2026-02-11T20:16:31Z)
• SceneSmith: Agentic Generation of Simulation-Ready Indoor Scenes [19.995619927680476]
  SceneSmithは、建築レイアウトから天然家具の人口まで、環境を構築する。 SceneSmithは従来の方法よりも多くのオブジェクトを生成し、2%のオブジェクト間衝突と96%のオブジェクトは物理シミュレーションの下で安定している。 SceneSmith環境は、エンドツーエンドのパイプラインで、自動ポリシ評価に使用することができる。
  論文  参考訳（メタデータ） (2026-02-09T19:56:04Z)
• The Sound of Simulation: Learning Multimodal Sim-to-Real Robot Policies with Generative Audio [138.07247714782412]
  MultiGenは、大規模な生成モデルを従来の物理シミュレータに統合するフレームワークである。 容器や液体を注ぐ現実世界への効果的なゼロショット転送を実証する。
  論文  参考訳（メタデータ） (2025-07-03T17:59:58Z)
• SimPRIVE: a Simulation framework for Physical Robot Interaction with Virtual Environments [4.966661313606916]
  本稿では,仮想環境との物理的相互作用をシミュレーションするSimPRIVEを提案する。 SimPRIVEを使用することで、ROS 2上で動作する任意の物理移動ロボットは、Unreal Engine 5グラフィックエンジンで構築された仮想世界でデジタルツインを動かせるように構成することができる。 このフレームワークは、AgileX Scout Miniローバーで障害物回避のためにトレーニングされた強化学習エージェントをテストすることで検証されている。
  論文  参考訳（メタデータ） (2025-04-30T09:22:55Z)
• RoboCasa: Large-Scale Simulation of Everyday Tasks for Generalist Robots [25.650235551519952]
  本稿では,汎用ロボットを日常的に訓練するための大規模シミュレーションフレームワークであるRoboCasaを紹介する。 私たちは、150以上のオブジェクトカテゴリと数十の対話可能な家具とアプライアンスに対して、何千もの3Dアセットを提供しています。 本実験は, 大規模模倣学習のための合成ロボットデータを用いて, スケーリングの傾向を明らかにするものである。
  論文  参考訳（メタデータ） (2024-06-04T17:41:31Z)
• Planning for Complex Non-prehensile Manipulation Among Movable Objects by Interleaving Multi-Agent Pathfinding and Physics-Based Simulation [23.62057790524675]
  重いクラッタにおける現実世界の操作問題は、ロボットが環境内の物体との潜在的な接触を推論する必要がある。 そこで我々は,対象物を棚から取り出すためのピック・アンド・プレイス・スタイルのタスクに焦点を合わせ,そのタスクを解決するために移動可能なオブジェクトを並べ替える必要がある。 特に、我々のモチベーションは、ロボットが複雑なロボットオブジェクトとオブジェクトオブジェクトの相互作用を引き起こす非包括的再配置動作を推論し、検討できるようにすることである。
  論文  参考訳（メタデータ） (2023-03-23T15:29:27Z)
• Phone2Proc: Bringing Robust Robots Into Our Chaotic World [50.51598304564075]
  Phone2Procは、10分間の電話スキャンと条件付き手続き生成を使用して、トレーニングシーンの分布を作成する方法である。 生成されたシーンは、壁のレイアウトとスキャンからの大きなオブジェクトの配置に条件付けされる。 Phone2Procは、sim-to-real ObjectNavのパフォーマンスで34.7%から70.7%に大幅に改善されている。
  論文  参考訳（メタデータ） (2022-12-08T18:52:27Z)
• SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
  SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。 部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
  論文  参考訳（メタデータ） (2020-03-19T00:11:34Z)

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。