論文の概要: TableVerse: A Large-scale Tabletop Dataset with Real-world Grounded Layouts for Generalizable Manipulation
- arxiv url: http://arxiv.org/abs/2607.21017v1
- Date: Thu, 23 Jul 2026 08:02:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.328151
- Title: TableVerse: A Large-scale Tabletop Dataset with Real-world Grounded Layouts for Generalizable Manipulation
- Title（参考訳）: TableVerse: 汎用操作のための現実の接地レイアウトを備えた大規模テーブルトップデータセット
- Abstract要約: TableVerseは完全に自動化されたReal2Simパイプラインで、インターネットメディアを高忠実でシミュレーション可能なテーブルトップ環境に処理する。
本フレームワークは,インターネットメディアを高忠実でシミュレーション可能なテーブルトップ環境にシームレスに処理し,正確な計量スケール,真のトポロジ,検証された機械的安定性を実現する。
多様な資産構成、現実的な空間分布、高品質なデモンストレーションをキャプチャすることで、TableVerse-100Kは高度にスケーラブルで高忠実なデータ基盤を確立する。
- 参考スコア（独自算出の注目度）: 11.161552039605253
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The development of generalizable robotic manipulation policies is inherently bounded by the availability of large-scale, high-fidelity scene data. While recent automated synthesis methods attempt to bridge this gap via text-to-layout hallucination or simplified procedural generation, they frequently suffer from physical implausibility and fail to capture the complex, dense clutter of actual human environments. In this paper, we introduce TableVerse, a fully automated Real2Sim pipeline that shifts the paradigm from imaginative layout generation to deterministic reconstruction from unstructured, in-the-wild image data. Our framework seamlessly processes unscripted internet media into high-fidelity, simulation-ready tabletop environments with accurate metric scales, authentic topologies, and verified mechanical stability. Furthermore, an automated task-conditioned trajectory generation framework is integrated to synthesize high-quality, collision-free pick-and-place demonstrations. Leveraging this complete pipeline, we construct the TableVerse-100K Dataset, a large-scale corpus comprising 100,000 unique, physically consistent environments paired with interactive manipulation trajectories. By capturing diverse asset compositions, realistic spatial distributions, and high-quality demonstrations, TableVerse-100K establishes a highly scalable and high-fidelity data foundation, providing significant value to facilitate future research in generalizable robotic manipulation tasks.
- Abstract（参考訳）: 一般化可能なロボット操作ポリシーの開発は、大規模で高忠実なシーンデータの提供によって本質的に境界づけられている。
最近の自動合成法は、テキスト・トゥ・レイアウト・幻覚や簡易な手続き生成によってこのギャップを埋めようとしているが、それらは物理的に不確実性に悩まされ、実際の人間の環境の複雑な密集した散らばりを捉えるのに失敗する。
本稿では,完全に自動化されたReal2SimパイプラインであるTableVerseを紹介する。
本フレームワークは,インターネットメディアを高忠実でシミュレーション可能なテーブルトップ環境にシームレスに処理し,正確な計量スケール,真のトポロジ,検証された機械的安定性を実現する。
さらに、タスク条件の自動軌道生成フレームワークを統合し、高品質で衝突のないピック・アンド・プレイス・デモを合成する。
この完全なパイプラインを活用して、インタラクティブな操作トラジェクトリと組み合わせた10万のユニークで物理的に一貫した環境からなる大規模コーパスであるTableVerse-100Kデータセットを構築する。
多様な資産構成、現実的な空間分布、高品質なデモンストレーションを捉えることで、TableVerse-100Kは高度にスケーラブルで高忠実なデータ基盤を確立し、汎用可能なロボット操作タスクにおける将来の研究を促進する上で重要な価値を提供する。
関連論文リスト
- RoboCousin: Build Your Own Simulation Playground for Robust Bimanual Robotic Manipulation [16.581929671943325]
双方向操作ポリシーは、大規模で多様なトレーニングデータセットを必要とする。
既存のパイプラインは通常、クローズドアセットライブラリと事前に定義されたシーン内で動作します。
本稿ではシミュレーションベースのデータ生成プラットフォームであるRoboCousinを紹介する。
論文 参考訳（メタデータ） (2026-09-08T07:13:07Z) - RoboSynChallenge: Mastering Real-World Dexterity via Generalizing Synthesized Manipulation Skills [90.48218237655708]
RoboSynChallengeは、幅広い能力、データ効率、適応可能な操作システムの開発を促進することを目的としている。
Challengeは、大規模な合成データ生成と、標準化された現実世界のロボット評価を統合する。
論文 参考訳（メタデータ） (2026-08-12T04:29:00Z) - HyperSim: A Holistic Sim-To-Real Framework For Robust Robotic Manipulation [34.42333334425306]
HyperSimは、総合的なフレームワークで、合成データ生成からポリシートレーニング、シームレスな実世界のデプロイまでをカバーしている。
我々は,400件の実際のタスク実行を含む大規模な実証研究を通じて,HyperSimを厳格に検証した。
我々の完全パイプラインは、ACTと_0で、80%と95%の顕著なsim-to-real成功率を達成する。
論文 参考訳（メタデータ） (2026-05-26T07:19:04Z) - From Seeing to Simulating: Generative High-Fidelity Simulation with Digital Cousins for Generalizable Robot Learning and Evaluation [11.382656265384854]
実世界のパノラマから高忠実度シミュレーションシーンへの生成的リアルタイムマッピングを確立するための生成フレームワークを提案する。
高品質な物理エンジンと現実的なアセットを組み合わせることで、生成されたシーンは対話的な操作タスクをサポートする。
実験では、プラットフォームの忠実さを検証する強力なsim-to-real相関が示され、データ生成を広範囲にスケールアップすることで、目に見えないシーンやオブジェクトのバリエーションに対して、はるかに優れた一般化をもたらすことを示す。
論文 参考訳（メタデータ） (2026-04-17T08:06:26Z) - ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation [90.4702774169675]
本稿では,古典シミュレーションとニューラルシミュレーションを組み合わせた合成シミュレーションというハイブリッド手法を提案する。
提案手法では,少数の実世界のデータを活用するクローズドループ・リアル・シモン・リアル・データ拡張パイプラインを利用する。
我々はニューラルシミュレーターをトレーニングし、古典的なシミュレーションビデオを現実世界の表現に変換し、現実の環境で訓練されたポリシーモデルの精度を向上させる。
論文 参考訳（メタデータ） (2026-04-13T12:25:45Z) - V-CAGE: Vision-Closed-Loop Agentic Generation Engine for Robotic Manipulation [6.820118518027692]
本稿では,自律型ロボットデータ合成のためのエージェントフレームワークであるV-CAGEを提案する。
従来のスクリプトパイプラインとは異なり、V-CAGEはエンボディ化されたエージェントシステムとして動作する。
大規模ビデオデータセットのストレージボトルネックを克服するために、知覚駆動圧縮アルゴリズムを実装した。
論文 参考訳（メタデータ） (2026-04-10T06:56:17Z) - SoftMimicGen: A Data Generation System for Scalable Robot Learning in Deformable Object Manipulation [45.71119158785489]
我々は、変形可能なオブジェクト操作タスクのための自動データ生成パイプラインであるSoftMimicGenを紹介する。
本稿では,多種多様な変形可能な物体を含む高忠実度シミュレーション環境について紹介する。
我々はSoftMimicGenを適用し、タスクスイート全体にわたってデータセットを生成し、データからハイパフォーマンスなポリシーをトレーニングし、データ生成システムを体系的に分析する。
論文 参考訳（メタデータ） (2026-03-26T17:58:40Z) - Infinite-World: Scaling Interactive World Models to 1000-Frame Horizons via Pose-Free Hierarchical Memory [101.2076718776139]
複雑な実環境において,1000フレーム以上のコヒーレントな視覚記憶を維持することのできる,堅牢な対話型世界モデルを提案する。
我々は,歴史的潜水剤を固定予算の幾何学的表現に蒸留するpose-free Memory (HPMC)を導入する。
また,連続動作を三状態論理に識別する不確実性認識型アクションラベルモジュールを提案する。
論文 参考訳（メタデータ） (2026-02-02T17:52:56Z) - Mirage2Matter: A Physically Grounded Gaussian World Model from Video [87.9732484393686]
我々は、グラフィック駆動の世界モデリングおよびシミュレーションフレームワークであるSimulate Anythingを紹介する。
実世界の環境を3次元ガウススプレイティング(3DGS)による写実的シーン表現に再構築する。
次に、生成モデルを利用して、物理的に現実的な表現を復元し、精度校正ターゲットを介してシミュレーション環境に統合する。
論文 参考訳（メタデータ） (2026-01-24T07:43:57Z) - FastUMI-100K: Advancing Data-driven Robotic Manipulation with a Large-scale UMI-style Dataset [55.66606167502093]
我々は,大規模なUMIスタイルのマルチモーダルデモデータセットであるFastUMI-100Kを提案する。
FastUMI-100Kは、現実世界のロボットデモデータの多様な要求を満たすために、よりスケーラブルで柔軟性があり、適応可能なソリューションを提供する。
我々のデータセットは、エンドエフェクタ状態、多視点手首装着魚眼画像、テキストアノテーションを含むマルチモーダルストリームを統合している。
論文 参考訳（メタデータ） (2025-10-09T09:57:25Z) - Optimizing Grasping in Legged Robots: A Deep Learning Approach to Loco-Manipulation [0.6533458718563319]
本稿では,腕を備えた四足歩行の把握能力を高めるための枠組みを提案する。
そこで我々は,ジェネシスシミュレーション環境内にパイプラインを構築し,共通物体の把握試行の合成データセットを生成する。
このデータセットは、オンボードのRGBとディープカメラからのマルチモーダル入力を処理するU-Netのようなアーキテクチャで、カスタムCNNのトレーニングに使用された。
四脚ロボットの完全な枠組みを検証した。
論文 参考訳（メタデータ） (2025-08-24T17:47:56Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z)
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。