論文の概要: Continuum Robot Modeling with Action Conditioned Flow Matching

• arxiv url: http://arxiv.org/abs/2605.09216v1
• Date: Sat, 09 May 2026 23:22:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 14:45:53.378222
• Title: Continuum Robot Modeling with Action Conditioned Flow Matching
• Title（参考訳）: 動作条件付きフローマッチングを用いた連続ロボットモデリング
• Abstract要約: 腱駆動型ロボット(TDCR)の運動状態における形状の予測は依然として困難である。 本稿では,軽量な3DプリントTDCRハードウェアプラットフォームと,複数のカメラを備えたRGB-Dデータ収集パイプラインを提案する。 ロボットの3次元形状に運動状態をマッピングする点雲流マッチングモデルを学習する。
• 参考スコア（独自算出の注目度）: 5.861206243996455
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting the shape of tendon driven continuum robots (TDCRs) at steady state from actuation remains challenging due to continuous deformation, complex tendon routing, compliance, friction, and fabrication variability. In this paper, we address this problem as kinematic self modeling conditioned on action. We present a lightweight 3D printed TDCR hardware platform and an RGB-D data collection pipeline with multiple cameras, and we learn a point cloud flow matching model that maps motor actuation states to the robot's settled 3D geometry. The model is trained from randomly sampled quasi static configurations and evaluated on test motor commands within the same TDCR design family and actuation range. We compare against prior 3D deformable object and robot self modeling approaches in both MuJoCo simulation and real hardware experiments. Experiments on simulated 2-, 3-, and 5-module TDCRs and real 2- and 3-module robots show improved shape prediction accuracy under CD and EMD metrics. We further show in simulation that the same conditional formulation generalizes to tip payload as a conditioning input, enabling payload conditioned steady-state shape prediction. These results demonstrate a data driven self modeling framework for quasi static TDCR geometry prediction.
• Abstract（参考訳）: 定常状態における腱駆動連続ロボット(TDCR)の形状の予測は, 連続的な変形, 複雑な腱ルーティング, コンプライアンス, 摩擦, 加工のばらつきにより, 依然として困難である。 本稿では,動作を前提としたキネマティック・セルフモデリングとしてこの問題に対処する。 我々は、軽量な3DプリントTDCRハードウェアプラットフォームと、複数のカメラを備えたRGB-Dデータ収集パイプラインを示し、ロボットの落ち着いた3D形状に運動状態をマッピングするポイントクラウドフローマッチングモデルを学ぶ。 このモデルは、ランダムサンプリングされた準静的な構成から訓練され、同じTDCR設計ファミリとアクティベーション範囲内のテストモータコマンドで評価される。 我々は,MuJoCoシミュレーションと実ハードウェア実験の両方において,従来の3次元変形可能なオブジェクトとロボットの自己モデリング手法を比較した。 シミュレーション2-, 3-, 5-加群TDCRと実2-, 3-加群ロボットを用いた実験により,CDおよびEMD測定値の形状予測精度が向上した。 さらに、同じ条件定式化が条件入力として先端ペイロードに一般化し、ペイロード条件付定常形状予測を可能にすることをシミュレーションで示す。 これらの結果は、擬似静的TDCR幾何予測のためのデータ駆動型自己モデリングフレームワークを実証する。

関連論文リスト

• KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding [58.541098216700796]
  エンボディド・ワールド・モデルの 物理的整合性を評価することは 重要なオープン・チャレンジです 既存のフレームワークはほとんどがアクション抽出に逆ダイナミクスモデル(IDM)に依存している。 IDMのないEWMのためのクローズドループベンチマークであるKineBenchを紹介する。
  論文  参考訳（メタデータ） (2026-07-22T08:04:17Z)
• Enabling Robust Cloth Manipulation via Inference-Time Simulator-in-the-Loop Refinement [16.29450701834732]
  物理シミュレーターをバックエンドのロールアウトエンジンとして使用し、オンライン上で予測された軌道を並列に評価し、精巧な名目動作を行う。 シミュレーション可能な布の状態に単一のRGB観測をマッピングする,純粋に合成データに基づいて訓練された実似モジュールを開発した。 実ロボット実験では、成功率が高く、ベースライン法よりも強いことが示されている。
  論文  参考訳（メタデータ） (2026-06-23T13:20:12Z)
• PC2Model: ISPRS benchmark on 3D point cloud to model registration [1.0775419935941009]
  本稿では、古典的手法とデータ駆動手法の両方のトレーニングと評価を支援するために設計されたデータセットであるPC2Modelベンチマークを紹介する。 シミュレーションされたデータは正確な地上の真実と制御条件を提供し、実際のデータはセンサーや環境の人工物を導入している。 この設計は、ドメイン間の堅牢なトレーニングと評価をサポートし、シミュレーションから実世界のシナリオへのモデル転送可能性の体系的解析を可能にする。
  論文  参考訳（メタデータ） (2026-04-21T15:44:40Z)
• Asset Harvester: Extracting 3D Assets from Autonomous Driving Logs for Simulation [63.01022057888141]
  Asset Harvesterはイメージ・ツー・3Dモデルとエンドツーエンドのパイプラインで、実際の運転ログからスパース・イン・ザ・ワン・オブジェクトの観察を完全なシミュレーション可能なアセットに変換する。 SparseViewDiTは、限定角度ビューやその他の実世界のデータ課題に対処するように明示的に設計されている。
  論文  参考訳（メタデータ） (2026-04-20T16:20:57Z)
• DART: Learning-Enhanced Model Predictive Control for Dual-Arm Non-Prehensile Manipulation [7.092954179436702]
  DARTは、トレイ上のオブジェクトの非包括的操作のための新しいデュアルアームフレームワークである。 我々のパイプラインは、様々な質量、幾何、摩擦係数の物体を用いてシミュレーションで検証されている。 我々の知る限り、DARTはトレイ上のオブジェクトの非包括的デュアルアーム操作のための最初のフレームワークを構成する。
  論文  参考訳（メタデータ） (2026-04-20T05:37:03Z)
• URDF-Anything+: Autoregressive Articulated 3D Models Generation for Physical Simulation [45.4820195450296]
  本稿では,視覚的観察から実行可能なオブジェクトモデルを直接生成する,エンドツーエンドの自動回帰フレームワークを提案する。 視覚的観察から構築された高忠実度デジタル双生児は、シミュレーションで訓練されたポリシーを、オンライン適応なしで実際のロボットに転送することができる。
  論文  参考訳（メタデータ） (2026-03-14T16:23:44Z)
• Co-Design of Rover Wheels and Control using Bayesian Optimization and Rover-Terrain Simulations [0.3131740922192114]
  本稿では, 変形可能な地形における高忠実度フルサイクルシミュレーションを用いて, ローバーホイール形状と操舵制御パラメータを共設計する枠組みを提案する。 車輪と制御パラメータの同時同時最適化と,機械設計と制御設計を分離する逐次的アプローチの2つの戦略を比較した。 3000以上のフルサイクルシミュレーションが実施され、キャンペーンは5日から9日で終了する。
  論文  参考訳（メタデータ） (2026-02-02T02:10:34Z)
• URDF-Anything: Constructing Articulated Objects with 3D Multimodal Language Model [76.08429266631823]
  3次元マルチモーダル大言語モデル(MLLM)に基づくエンドツーエンドの自動再構築フレームワークを提案する。 URDF-Anythingは、ポイントクラウドとテキストマルチモーダル入力に基づく自己回帰予測フレームワークを使用して、幾何学的セグメンテーションと運動論的パラメータ予測を協調的に最適化する。 シミュレーションと実世界の両方のデータセットの実験は、我々の手法が既存の手法よりも大幅に優れていることを示した。
  論文  参考訳（メタデータ） (2025-11-02T13:45:51Z)
• GeoDrive: 3D Geometry-Informed Driving World Model with Precise Action Control [50.67481583744243]
  実世界モデルにロバストな3次元形状条件を明示的に統合したGeoDriveを紹介する。 車両の位置を編集することでレンダリングを強化するため,トレーニング中の動的編集モジュールを提案する。 動作精度と空間認識の両面で既存のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-28T14:46:51Z)
• Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
  我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。 既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。 我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T06:35:18Z)
• Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
  自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。 車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。 我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
  論文  参考訳（メタデータ） (2023-12-07T18:53:27Z)

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。