論文の概要: AssemblyBench: Physics-Aware Assembly of Complex Industrial Objects
- arxiv url: http://arxiv.org/abs/2605.12845v1
- Date: Wed, 13 May 2026 00:44:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:27.739451
- Title: AssemblyBench: Physics-Aware Assembly of Complex Industrial Objects
- Title（参考訳）: AssemblyBench: 複雑な産業オブジェクトの物理を意識したアセンブリ
- Authors: Danrui Li, Jiahao Zhang, Bernhard Egger, Moitreya Chatterjee, Suhas Lohit, Tim K. Marks, Anoop Cherian,
- Abstract要約: 既存のデータセットは、単純なシナリオ、形状の複雑さ、産業集会における組み立て軌跡などに焦点を当てている。
本稿では,2,789個の産業用オブジェクトの合成データセットであるアセンブリベンチについて紹介する。
また,各部品の教示マニュアルと3次元形状を用いて,組立順序と組立軌跡を協調的に予測するトランスフォーマーモデルであるアセンブリーディノを提案する。
- 参考スコア（独自算出の注目度）: 36.01972955466693
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Assembling objects from parts requires understanding multimodal instructions, linking them to 3D components, and predicting physically plausible 6-DoF motions for each assembly step. Existing datasets focus on simplified scenarios, overlooking shape complexities and assembly trajectories in industrial assemblies. We introduce AssemblyBench, a synthetic dataset of 2,789 industrial objects with multimodal instruction manuals, corresponding 3D part models, and part assembly trajectories. We also propose a transformer-based model, AssemblyDyno, which uses the instructional manual and the 3D shape of each part to jointly predict assembly order and part assembly trajectories. AssemblyDyno outperforms prior works in both assembly pose estimation and trajectory feasibility, where the latter is evaluated by our physics-based simulations.
- Abstract（参考訳）: 部品からオブジェクトを組み立てるには、マルチモーダルな命令を理解し、それらを3Dコンポーネントにリンクし、各組み立てステップに対して物理的に妥当な6-DoF動作を予測する必要がある。
既存のデータセットは、単純なシナリオ、形状の複雑さ、産業集会における組み立て軌跡などに焦点を当てている。
本稿では,2,789個の産業用オブジェクトの合成データセットであるアセンブリベンチについて紹介する。
また,各部品の教示マニュアルと3次元形状を用いて,組立順序と組立軌跡を協調的に予測するトランスフォーマーモデルであるアセンブリーディノを提案する。
AssemblyDynoは、アセンブリのポーズ推定と軌道実現性の両方において、これまでの作業よりも優れており、後者は物理学に基づくシミュレーションによって評価されている。
関連論文リスト
- Assembler: Scalable 3D Part Assembly via Anchor Point Diffusion [39.08891847512135]
本稿では,3次元部品組み立てのためのスケーラブルで汎用的なフレームワークであるAssemblerを紹介する。
様々な部分数、ジオメトリ、構造を持つ、多種多様な内部オブジェクトを処理します。
PartNetで最先端のパフォーマンスを実現し、複雑な現実世界のオブジェクトに対して、初めて高品質なアセンブリをデモした。
論文 参考訳（メタデータ） (2025-06-20T15:25:20Z) - IAAO: Interactive Affordance Learning for Articulated Objects in 3D Environments [56.85804719947]
IAAOは知的エージェントのための明示的な3Dモデルを構築するフレームワークで,対話を通して環境内の明瞭な物体の理解を得る。
マスク特徴とビュー一貫性ラベルを多視点画像から抽出し,まず3次元ガウススティング(3DGS)を用いて各オブジェクト状態の階層的特徴とラベルフィールドを構築する。
次に、3Dガウスプリミティブ上でオブジェクトと部分レベルのクエリを実行し、静的および明瞭な要素を識別し、大域的な変換と局所的な調音パラメータをアベイランスとともに推定する。
論文 参考訳（メタデータ） (2025-04-09T12:36:48Z) - Manual-PA: Learning 3D Part Assembly from Instruction Diagrams [54.555154845137906]
本稿では,手動誘導3次元部品組立フレームワークである手動PAについて述べる。
以上の結果から, 部品の図面と順序を併用すると, 組立性能が向上し, 組立性能が向上することが示唆された。
論文 参考訳（メタデータ） (2024-11-27T03:10:29Z) - SPAFormer: Sequential 3D Part Assembly with Transformers [52.980803808373516]
SPAFormerは3Dパートアセンブリ(3D-PA)タスクにおける逐次的な爆発的課題を克服するために設計された革新的なモデルである。
部品の数が増えると、組立の組み合わせは指数関数的に増加し、3D-PAの有効性を著しく阻害する爆発を引き起こす。
部分列は、単語によって構成された文に似た構成規則を伝達するため、並列およびオートレ生成の両方を探索する。
論文 参考訳（メタデータ） (2024-03-09T10:53:11Z) - Multi-level Reasoning for Robotic Assembly: From Sequence Inference to
Contact Selection [74.40109927350856]
本稿では,PAST(Part Assembly Sequence Transformer)を用いて,対象とするブループリントからアセンブリシーケンスを推論する。
次に、モーションプランナーと最適化を使用して、部品の動きと接触を生成する。
実験結果から,本手法は従来手法よりも一般化されていることがわかった。
論文 参考訳（メタデータ） (2023-12-17T00:47:13Z) - Rearrangement Planning for General Part Assembly [41.0167725449516]
本稿では、パートポーズを正確に予測するトランスフォーマーベースのモデルアーキテクチャであるGPAT(General Part Assembly Transformer)を提案する。
実世界の3次元CADモデルと実世界のスキャンによる実験により,GPATの新規かつ多様なターゲットおよび部品形状への一般化能力が実証された。
論文 参考訳（メタデータ） (2023-07-01T03:13:17Z) - 3D Part Assembly Generation with Instance Encoded Transformer [22.330218525999857]
本稿では,部品間の幾何的および関係的な推論を伴い,部品の更新を反復的に行う多層トランスフォーマーベースのフレームワークを提案する。
フレームワークをプロセス内部分アセンブリと呼ばれる新しいタスクに拡張します。
提案手法は、パブリックなPartNetデータセット上の複数のメトリクスにおいて、現在の最先端よりも10%以上改善されている。
論文 参考訳（メタデータ） (2022-07-05T02:40:57Z) - Generative 3D Part Assembly via Dynamic Graph Learning [34.108515032411695]
部品組み立ては、3Dコンピュータビジョンとロボット工学において難しいが重要な課題だ。
本稿では,反復グラフニューラルネットワークをバックボーンとして活用する,アセンブリ指向の動的グラフ学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-14T04:26:42Z)
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。