論文の概要: Seam-to-Graph Reconstruction for Garment Configuration Alignment
- arxiv url: http://arxiv.org/abs/2606.15171v1
- Date: Sat, 13 Jun 2026 07:38:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:32.963125
- Title: Seam-to-Graph Reconstruction for Garment Configuration Alignment
- Title（参考訳）: 衣服構成アライメントのためのシーム・ツー・グラフ再構成
- Authors: Xuzhao Huang, Kai Tang, Fuyuki Tokuda, Norman C. Tien, Kazuhiro Kosuge,
- Abstract要約: シームは衣服に関する豊富な構造情報をエンコードするが、ロボット操作のシナリオでは部分的に観察可能であることが多い。
グラフニューラルネットワークとアテンション機構に基づくSeam-to-Graphネットワークを提案する。
我々は,このネットワークをバイマニュアルロボットシステム上に実装し,画面印刷板に衣服を装填し,所望の構成に正確に整列させる。
- 参考スコア（独自算出の注目度）: 3.6210048302429154
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Seams encode rich structural information about garments but are frequently partially observable in robotic manipulation scenarios. To robustly leverage seam information, we propose a Seam-to-Graph network based on graph neural networks and attention mechanisms. This network maps unstructured seam observations to a topology-encoded structural skeleton graph for real-time garment state estimation. Using this skeleton-graph-based state estimation, we design a deformation-aware, hierarchical visual servoing controller for garment configuration alignment. We implement this controller on a bimanual robot system to load a garment onto a screen printing platen and to align it to the desired configuration precisely. Real-robot experiments demonstrate that the robot using the proposed method not only achieves human-level alignment accuracy with reduced variance in alignment error but is also robust to different garments. These results demonstrate that the use of seam information is effective for garment manipulation.
- Abstract（参考訳）: シームは衣服に関する豊富な構造情報をエンコードするが、ロボット操作のシナリオでは部分的に観察可能であることが多い。
シーム情報を堅牢に活用するために,グラフニューラルネットワークとアテンション機構に基づくSeam-to-Graphネットワークを提案する。
このネットワークは、非構造的なシーム観測を、リアルタイムな衣服状態推定のためのトポロジー符号化された構造骨格グラフにマッピングする。
このスケルトングラフに基づく状態推定を用いて,衣服構成アライメントのための変形認識型階層型ビジュアルサーボコントローラを設計する。
本研究では,このコントローラをバイマニュアルロボットシステムに実装し,スクリーン印刷プレートに衣服を装填し,所望の構成に正確に整列させる。
実ロボット実験により,提案手法を用いたロボットは,アライメント誤差のばらつきを低減した人間レベルのアライメント精度を実現するだけでなく,衣服にも頑健であることが示された。
これらの結果から,シーム情報の利用は衣料品の操作に有効であることが示唆された。
関連論文リスト
- ArtiSG: Functional 3D Scene Graph Construction via Human-demonstrated Articulated Objects Manipulation [51.54082859171464]
ArtiSGは、人間のデモを構造化されたロボットメモリにエンコードすることで、機能的な3Dシーングラフを構築するフレームワークである。
本研究では,ArtiSGが機能的要素リコールおよび調音推定精度において,ベースラインを著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-12-31T13:10:40Z) - GraphGarment: Learning Garment Dynamics for Bimanual Cloth Manipulation Tasks [7.4467523788133585]
GraphGarmentは、ロボット制御入力に基づいて衣服のダイナミクスをモデル化する新しいアプローチである。
我々は,ロボットのエンドエフェクタと衣料品の相互作用をグラフで表現する。
我々は6種類の衣服を用いて4つの実験を行い、シミュレーションと実世界の両方の環境で我々のアプローチを検証する。
論文 参考訳（メタデータ） (2025-03-04T17:35:48Z) - T-GAE: Transferable Graph Autoencoder for Network Alignment [79.89704126746204]
T-GAEはグラフオートエンコーダフレームワークで、GNNの転送性と安定性を活用して、再トレーニングなしに効率的なネットワークアライメントを実現する。
実験の結果、T-GAEは最先端の最適化手法と最高のGNN手法を最大38.7%、50.8%で上回っていることがわかった。
論文 参考訳（メタデータ） (2023-10-05T02:58:29Z) - How Will It Drape Like? Capturing Fabric Mechanics from Depth Images [7.859729554664895]
深度カメラを用いたカジュアルキャプチャー装置を用いて織物の機械的パラメータを推定する手法を提案する。
本手法により,現実世界の繊維材料を機械的に正確に表現できる。
論文 参考訳（メタデータ） (2023-04-13T17:54:08Z) - HOOD: Hierarchical Graphs for Generalized Modelling of Clothing Dynamics [84.29846699151288]
本手法は体型によらず, ゆるく自由な衣服だけでなく, タイトフィットの衣服にも適用できる。
1つの重要な貢献として、厳密なストレッチモードを効率的に伝播する階層的なメッセージパッシング方式を提案する。
論文 参考訳（メタデータ） (2022-12-14T14:24:00Z) - Recognising Known Configurations of Garments For Dual-Arm Robotic
Flattening [1.713291434132985]
衣服の「既知の構成」を認識するための効果的なロボット操作手法を提案する。
私たちのロボット操作計画は、重要な把握ポイントを見つけ、衣服を伸ばし、衣服を持ち上げるという4つの戦略を特徴としている。
論文 参考訳（メタデータ） (2022-04-30T10:24:17Z)
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。