論文の概要: FlipItRight: Stable Pose-Targeted Throw-Flip Across Diverse Objects

• arxiv url: http://arxiv.org/abs/2606.01713v1
• Date: Mon, 01 Jun 2026 05:31:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:31.391025
• Title: FlipItRight: Stable Pose-Targeted Throw-Flip Across Diverse Objects
• Title（参考訳）: FlipItRight: 複数オブジェクトにまたがる安定なポスターゲットスローフリップ
• Authors: Axel Dawne, Shinkyu Park,
• Abstract要約: 提案するFlipItRightは,高DoFマニピュレータを用いた安定な平面ポーズターゲットスローフリップのためのフレームワークである。 リリース状態を明示的な中間表現として扱うことで、原則付き候補フィルタリング、リリースの適応選択、プレスウィング設定が可能になる。 120回の試験で90%の成功率を達成するために, 形状, サイズ, 質量の異なるオブジェクトの実際のプラットフォーム上で検証を行った。
• 参考スコア（独自算出の注目度）: 1.2246649738388389
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose FlipItRight, a framework for stable planar pose-targeted throw-flip with a high-DoF manipulator. The task is decomposed into an object-level planner, which generates candidate release states satisfying the desired landing pose, and a robot-level planner, which evaluates executability and constructs a feasible swing motion. Treating the release state as an explicit intermediate representation enables principled candidate filtering, adaptive selection of release and pre-swing configurations, and structured near-release motion design -- in particular, approximately constant end-effector velocities during the final swing phase to improve robustness to release-timing uncertainty. We validate on a real platform across objects of varying shape, size, and mass, achieving a 90% success rate across 120 trials. Ablation studies confirm that each design choice contributes to throwing performance, and the framework requires no prior data or learned model, enabling direct deployment on new objects and targets without environment-specific calibration or data collection.
• Abstract（参考訳）: 提案するFlipItRightは,高DoFマニピュレータを用いた安定な平面ポーズターゲットスローフリップのためのフレームワークである。 課題を、所望の着地ポーズを満たす候補解除状態を生成するオブジェクトレベルプランナと、実行可能性を評価し、実行可能なスイング動作を構築するロボットレベルプランナとに分解する。 明示的な中間表現としてリリース状態を扱うことで、原則的な候補フィルタリング、リリースとプレスウィングの構成の適応的な選択、および構造化されたニアリリースモーション設計が可能になります。 120回の試験で90%の成功率を達成するために, 形状, サイズ, 質量の異なるオブジェクトの実際のプラットフォーム上で検証を行った。 アブレーション研究は、それぞれの設計選択がスローパフォーマンスに寄与することを確認し、フレームワークは事前のデータや学習モデルを必要とせず、環境固有のキャリブレーションやデータ収集なしに、新しいオブジェクトやターゲットに直接デプロイすることが可能である。

関連論文リスト

• Motion-Uncertainty-Aware Next-Best-View Planning for Moving Object Reconstruction [13.309411974709574]
  本研究では、平面運動中の未知の剛体物体を再構成するための運動不確実性を考慮したNBVフレームワークを提案する。 この予測的信念を得るために、固定ラグガウス過程はよりスムーズな推定を行い、ノイズのある位置測定から対象状態を予測する。 得られた信念は、予測対象位置に関する候補視点を生成し、到達可能性によってそれらをフィルタリングし、予測されるカバレッジ駆動スコアを推定するために使用される。
  論文  参考訳（メタデータ） (2026-05-17T18:45:38Z)
• AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
  視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。 本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。 LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
  論文  参考訳（メタデータ） (2026-04-20T04:25:24Z)
• Differentiable Object Pose Connectivity Metrics for Regrasp Sequence Optimization [13.078429762098631]
  1つのピック・アンド・プレースで最初のポーズからゴールポーズへのオブジェクトの転送ができない場合、リグラス・プランニングがしばしば必要となる。 本稿では,異なるポーズシーケンス接続メトリクスに基づく暗黙的なマルチステップ・リグラス・プランニング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-16T07:47:57Z)
• Disentangled Point Diffusion for Precise Object Placement [11.869520755259657]
  TAX-DPDは階層的な不整合点拡散フレームワークであり、配置精度で最先端の性能を達成する。 そこで本研究では,本フレームワークがオブジェクトの剛性に関する仮定をさらに緩和できることを示す。
  論文  参考訳（メタデータ） (2026-04-13T17:55:47Z)
• RFM-Pose:Reinforcement-Guided Flow Matching for Fast Category-Level 6D Pose Estimation [8.3336796041978]
  我々は,サンプル仮説を積極的に評価しながら,カテゴリレベルの6次元オブジェクトポーズ生成を加速する新しいフレームワーク RFM-Pose を提案する。 REAL275ベンチマークの実験では、RAM-Poseは計算コストを大幅に削減し、良好な性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-02-05T03:26:15Z)
• FFP-300K: Scaling First-Frame Propagation for Generalizable Video Editing [97.35186681023025]
  FFP-300Kは、720p解像度と81フレームの高忠実度ビデオペアの大規模データセットである。 本稿では,第1フレームの外観維持とソース映像の動作保存の緊張を解消する,真の誘導不要なFFPのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-05T01:46:22Z)
• Planning with Sketch-Guided Verification for Physics-Aware Video Generation [71.29706409814324]
  そこで我々は,SketchVerifyを,ビデオ生成のためのトレーニングフリーでスケッチ検証ベースの計画フレームワークとして提案する。 提案手法は,複数の候補動きプランを予測し,視覚言語検証器を用いてランク付けする。 我々は、満足なものが特定されるまで運動計画を反復的に洗練し、最終的な合成のために軌道条件付きジェネレータに渡される。
  論文  参考訳（メタデータ） (2025-11-21T17:48:02Z)
• ReorientDiff: Diffusion Model based Reorientation for Object Manipulation [18.95498618397922]
  望ましい設定でオブジェクトを操作できることは、ロボットが様々な実践的な応用を完了するための基本的な要件である。 本稿では,拡散モデルに基づく手法を用いたリオリエンテーション計画手法であるReorientDiffを提案する。 提案手法は,YCBオブジェクトの集合と吸引グリップを用いて評価し,95.2%のシミュレーション成功率を示す。
  論文  参考訳（メタデータ） (2023-02-28T00:08:38Z)
• Motion Transformer with Global Intention Localization and Local Movement Refinement [103.75625476231401]
  動き TRansformer (MTR) は、大域的意図の局所化と局所的な動きの洗練の合同最適化として、動き予測をモデル化する。 MTRは、限界運動予測と関節運動予測の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2022-09-27T16:23:14Z)

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。