論文の概要: Automatically Improving Simulation Physics for Articulated Objects

• arxiv url: http://arxiv.org/abs/2605.19136v1
• Date: Mon, 18 May 2026 21:34:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.001889
• Title: Automatically Improving Simulation Physics for Articulated Objects
• Title（参考訳）: 人工物体のシミュレーション物理を自動改善する
• Authors: Anh-Quan Pham,
• Abstract要約: 本稿では,操作中にオブジェクトを確実にシミュレートできるかどうかを特徴付けるインタラクション・レディネスを提案する。 不完全な3Dアセットから対話可能な調音オブジェクトを生成するためのシミュレーター・イン・ザ・ループ手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulation is a central tool for scalable robot learning, but its effectiveness depends on the quality of object assets. While modern 3D datasets provide rich geometric and kinematic representations, they typically lack the physical properties required for stable and realistic interaction, requiring significant manual effort to construct simulation-ready articulated objects. In this thesis, we introduce interaction-readiness, which characterizes whether an object can be reliably simulated under manipulation. We propose a quantitative evaluation framework that decomposes interaction-readiness into measurable components, enabling systematic analysis of object quality and revealing failure modes not captured by conventional evaluation. We further present a multi-modal, simulator-in-the-loop approach for generating interaction-ready articulated objects from incomplete 3D assets. The method integrates geometric, visual, and semantic information to infer physical properties and refines them through iterative simulator feedback to improve physical consistency. Experiments across diverse articulated objects and manipulation tasks show that object quality directly impacts simulation stability, interaction behavior, and policy performance. Objects refined by our method exhibit more stable and realistic dynamics, enabling more reliable downstream learning and evaluation. Overall, this thesis demonstrates the importance of physical realism for articulated objects in simulation and introduces a practical multi-modal refinement approach, guided by simulator feedback, for constructing such objects at scale.
• Abstract（参考訳）: シミュレーションはスケーラブルなロボット学習のための中心的なツールであるが、その有効性はオブジェクト資産の品質に依存する。 現代の3Dデータセットは、リッチな幾何学的およびキネマティックな表現を提供するが、それらは通常、安定的で現実的な相互作用に必要な物理的特性を欠き、シミュレーション可能な調音オブジェクトを構築するためにかなりの手作業を必要とする。 本論文では,操作下でオブジェクトを確実にシミュレートできるかどうかを特徴付ける対話可読性を提案する。 本稿では,インタラクションの可読性を測定可能なコンポーネントに分解し,オブジェクトの品質を体系的に解析し,従来の評価では捉えられなかった障害モードを明らかにする定量的評価フレームワークを提案する。 さらに,不完全な3Dアセットから対話可能な調音オブジェクトを生成するためのマルチモーダル・シミュレーター・イン・ザ・ループ手法を提案する。 この方法は、幾何学的、視覚的、意味的な情報を統合し、物理的特性を推測し、反復的なシミュレータフィードバックを通じてそれらを洗練し、物理的整合性を改善する。 多様な明瞭なオブジェクトと操作タスクにわたる実験は、オブジェクトの品質がシミュレーションの安定性、相互作用の振る舞い、およびポリシーのパフォーマンスに直接影響を及ぼすことを示している。 本手法により改良されたオブジェクトはより安定的で現実的なダイナミクスを示し,より信頼性の高い下流学習と評価を可能にする。 全体として、この論文は、シミュレーションにおける調音オブジェクトに対する物理的リアリズムの重要性を示し、そのようなオブジェクトを大規模に構築するためのシミュレータフィードバックによって導かれる実用的なマルチモーダル・リファインメント・アプローチを導入している。

関連論文リスト

• Toward Visually Realistic Simulation: A Benchmark for Evaluating Robot Manipulation in Simulation [62.51953630639423]
  既存のベンチマークには視覚的リアリズムがなく、シミュレーションと現実の間に大きな領域ギャップが生じる。 シミュレーションにおけるロボット操作評価のための,視覚的にリアルなベンチマークであるVISERを提案する。 VISERは、物理ベースのレンダリング(PBR)素材を備えた1000以上の3Dアセットの高忠実度データセットと、それらのアセットから作成される3Dシーンを、レイアウトや生成によって構成する。
  論文  参考訳（メタデータ） (2026-05-07T14:13:05Z)
• 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)
• Simulation-Ready Cluttered Scene Estimation via Physics-aware Joint Shape and Pose Optimization [27.083888910311984]
  実世界の観測からシミュレーション可能なシーンを推定することは、下流の計画と政策学習タスクに不可欠である。 既存の手法は乱雑な環境で苦労する。 実写シーン推定のための統一的な最適化に基づく定式化を提案する。
  論文  参考訳（メタデータ） (2026-02-23T18:58:24Z)
• Kinematify: Open-Vocabulary Synthesis of High-DoF Articulated Objects [59.51185639557874]
  本稿では,任意のRGB画像やテキスト記述から直接音声オブジェクトを合成するフレームワークであるKinematifyを紹介する。 提案手法は, 高DoFオブジェクトに対する運動的トポロジの推測と静的幾何からの関節パラメータの推定という2つの課題に対処する。
  論文  参考訳（メタデータ） (2025-11-03T07:21:42Z)
• PhysDreamer: Physics-Based Interaction with 3D Objects via Video Generation [62.53760963292465]
  PhysDreamerは物理に基づくアプローチで、静的な3Dオブジェクトにインタラクティブなダイナミクスを与える。 本稿では, 弾性物体の多様な例について考察し, ユーザスタディを通じて合成された相互作用の現実性を評価する。
  論文  参考訳（メタデータ） (2024-04-19T17:41:05Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)

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。