論文の概要: RelAfford6D: Relational 6D Affordance Graphs for Constraint-Driven Robotic Manipulation
- arxiv url: http://arxiv.org/abs/2606.27036v1
- Date: Thu, 25 Jun 2026 13:42:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.297889
- Title: RelAfford6D: Relational 6D Affordance Graphs for Constraint-Driven Robotic Manipulation
- Title（参考訳）: RelAfford6D:制約駆動型ロボットマニピュレーションのためのリレーショナル6次元アフォードグラフ
- Abstract要約: RelAfford6は複雑な調音オブジェクトのためのトレーニング不要のフレームワークである。
本システムでは,一次相互作用部分を物理的アンカーにリンクする意味的トポロジを推定する。
我々は満足度問題として下流実行を解析的に定式化する。
- 参考スコア（独自算出の注目度）: 15.618446008590409
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bridging abstract semantics and precise physical control remains a fundamental challenge in open-world robotic manipulation. While recent data-driven policies show promise, their reliance on isolated contact points or latent affordance embeddings lacks the rigorous kinematic constraints necessary for complex articulated objects.To overcome the limitation, we introduce RelAfford6D, a novel training-free framework centered on a Relational 6D Affordance Graph. Given a free-form instruction, our system deduces a semantic topology linking a primary interacting part to its physical anchor. By elevating these topological nodes into precise metric $SE(3)$ poses via vision foundation models, we analytically formulate downstream execution as a kinematic constraint satisfaction problem. The robot synthesizes continuous trajectories by tracking strictly defined physical manifolds (e.g., revolute or prismatic orbits). Coupled with a closed-loop tracking mechanism for dynamic replanning against disturbances, our physically grounded approach achieves superior zero-shot success rates, cross-category generalization and execution robustness in both simulation and the real world environments, outperforming existing data-driven baselines.
- Abstract（参考訳）: 抽象的な意味論と正確な物理的制御を組み込むことは、オープンワールドのロボット操作における根本的な課題である。
近年のデータ駆動型ポリシーは, 将来性を示す一方で, リレーショナル6D Affordance Graphを中心とした新たなトレーニングフリーフレームワークであるRelAfford6Dを導入する。
自由形式の命令が与えられた場合、本システムは、一次相互作用部分とその物理的アンカーをリンクする意味的トポロジーを推論する。
これらのトポロジカルノードを視覚基礎モデルによる精密な測度$SE(3)$ posesに高めることにより、下流での実行をキネマティックな制約満足度問題として解析的に定式化する。
ロボットは、厳密に定義された物理多様体(例えば、回転軌道や原始軌道)を追跡することによって連続的な軌道を合成する。
本手法は,外乱に対する動的リプランニングのための閉ループトラッキング機構と組み合わせて,ゼロショット成功率,クロスカテゴリの一般化,実環境における実行堅牢性を実現し,既存のデータ駆動ベースラインよりも優れていた。
関連論文リスト
- Robotic Servo Tracking of Moving Targets with Dynamic Imitation Constraints [5.415143520107641]
本稿では,擬似軌道制約に基づくサーボ追跡手法を提案する。
形状と振幅成分を組み込んだ時間スケーリング可能な変形機構と軌道変調を導入し、一連の軌道をリアルタイムで生成する。
提案手法は, 複雑な環境下でのいくつかの最先端手法と比較して, 動的障害物回避と高精度収束を実現することができる。
論文 参考訳（メタデータ） (2026-09-13T15:17:44Z) - CosmoH2G: A Hand-to-Gripper Transfer Dataset and Baseline Method for Object Manipulation with Complex Spatial Movements [63.40365657068892]
ロボットグリップに人手によるデモンストレーションを移すことは、最近、ロボット学習の費用対効果の高いソリューションとして浮上した。
このギャップに触発された我々は、きめ細かい手の動きによって導かれる暗黙的なデータ駆動アプローチを採用した。
シミュレーションと実ロボット実験の両方において、我々のフレームワークは複雑な空間操作の安定かつ高精度なハンド・トゥ・グルーパー転送を可能にする。
論文 参考訳（メタデータ） (2026-09-07T13:47:22Z) - A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。
完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。
本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
論文 参考訳（メタデータ） (2026-07-17T08:13:12Z) - DeSeG: Decoupling Semantic Intent and Geometric Constraints for Physically Plausible Human-Scene Interaction [50.06148080975928]
本稿では,意味的意図を幾何学的制約から明確に分離する階層型フレームワークであるDeSeGを提案する。
DeSeGは最先端のパフォーマンスを実現し、平均シーン浸透率を47%削減し、SOTAベースラインに対するセマンティックアライメントを29%改善した。
論文 参考訳（メタデータ） (2026-07-07T03:21:08Z) - RoboHitch: Learning Visual Affordance from Disordered Keypoints for Hitch Knots Tying [4.437059562306781]
既存のロボットノットタイリング手法は、順序付けられたキーポイントと明示的なエッジ接続を備えた正確なトポロジカルな状態追跡に依存している。
本稿では,不規則な3DキーポイントとRGB画像のみを用いて,人間のデモからヒッチ結び付けを学習する新しいフレームワークRoboHitchを紹介する。
論文 参考訳（メタデータ） (2026-05-23T04:38:58Z) - Imagine2Real: Towards Zero-shot Humanoid-Object Interaction via Video Generative Priors [51.096845970243855]
高忠実度3Dデータの不足により,全体Humanoid-Object Interaction (HOI) がボトルネックとなる。
本研究では,ゼロショットHOIフレームワークであるImagine2Realを提案する。
論文 参考訳（メタデータ） (2026-05-21T10:15:39Z) - RopeDreamer: A Kinematic Recurrent State Space Model for Dynamics of Flexible Deformable Linear Objects [12.045392054359551]
逐次状態空間モデルと四元系キネマティックチェイン表現を組み合わせた潜在動的フレームワークを提案する。
我々は,自己切断を含む複雑なピック・アンド・プレース・トラジェクトリの大規模シミュレーションデータセットに対するアプローチを評価した。
提案手法は,50ステップの水平線上での開ループ予測誤差を40.52%削減できることを示す。
論文 参考訳（メタデータ） (2026-04-30T17:47:44Z) - RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
ロボットのためのロバスト自動データ取得(RADAR)について紹介する。
RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。
シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
論文 参考訳（メタデータ） (2026-03-12T11:18:52Z) - Controllable Egocentric Video Generation via Occlusion-Aware Sparse 3D Hand Joints [87.13154261503168]
モーションコントロール可能なビデオ生成は、仮想現実と組み込みAIにおけるエゴセントリックなアプリケーションに不可欠である。
既存の手法は、しばしば3D一貫性のきめ細かい手話を実現するのに苦労する。
単一の参照フレームからエゴセントリックなビデオを生成する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） (2026-03-12T10:02:23Z) - Structural Action Transformer for 3D Dexterous Manipulation [80.07649565189035]
クロス・エボディメント・スキル・トランスファーは、ハイDoFロボットハンドの課題である。
既存の手法は、しばしば2次元の観測と時間中心の行動表現に依存し、3次元の空間的関係を捉えるのに苦労する。
本稿では、構造中心の視点を導入することで、このパラダイムに挑戦する新しい3Dデクスタラスな操作ポリシーを提案する。
論文 参考訳（メタデータ） (2026-03-04T11:38:12Z) - IDSplat: Instance-Decomposed 3D Gaussian Splatting for Driving Scenes [25.939318593012484]
動的駆動シーンの再構築は、センサ・リアリスティック・シミュレーションによる自律システム開発に不可欠である。
我々は,動的シーンを明示的なインスタンス分解と学習可能なモーショントラジェクトリで再構成する,自己教師型3次元ガウススティングフレームワークIDSplatを提案する。
本手法は, インスタンスレベルの分解を維持しつつ, 競合する再構成品質を実現し, 再トレーニングを伴わずに, 多様なシーケンスやビュー密度を一般化する。
論文 参考訳（メタデータ） (2025-11-24T15:48:08Z) - 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) - Constrained Decoding for Robotics Foundation Models [12.916330118607918]
本稿では,自動回帰ロボット基盤モデルのための制約付き復号化フレームワークであるSafeDecを紹介する。
タスク固有の安全ルールはSignal Temporal Logic (STL) 公式として表現され、最小限のオーバーヘッドで推論時に強制される。
提案手法は,実行時に仮定された動的条件下でのSTL仕様を,再トレーニングなしで確実に満たすものである。
論文 参考訳（メタデータ） (2025-09-01T19:17:40Z)
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。