論文の概要: SAGP: Semantic Affordance-Guided Grasp Planning via Coarse-Zone VLM Reasoning
- arxiv url: http://arxiv.org/abs/2607.29374v1
- Date: Fri, 31 Jul 2026 12:59:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.715085
- Title: SAGP: Semantic Affordance-Guided Grasp Planning via Coarse-Zone VLM Reasoning
- Title（参考訳）: SAGP: 粗いZone VLM推論によるセマンティックアクダクタンスガイド型グラフ計画
- Abstract要約: 幾何学に基づく把握プランナーは、物理的に妥当な把握を保証するが、機能的意味論を無視する。
幾何的把握計画に高レベルの意味論的推論を強く結び付ける、実践的で訓練のないフレームワークはまだ提案されていない。
本稿では,粗いゾーン抽象化層上に構築されたトレーニングフリーパイプラインであるSemantic Affordance-Guided Grasp Planning (SAGP)を紹介する。
- 参考スコア（独自算出の注目度）: 1.8988957322012407
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Geometry-based grasp planners ensure physically valid grasps but ignore functional semantics, often generating grasps that are antipodal and collision-free yet practically inappropriate, for example, gripping a mug by its rim, a knife by the blade, or a bottle near its cap. These inconsistencies cause the downstream task to fail even when traditional grasp metrics are met. Existing vision-language model (VLM) approaches either depend on fine-grained, category-specific part segmentation or attempt to directly infer grasp poses, with the latter prone to spatial hallucinations. As a result, no practical, training-free framework has yet been proposed that robustly links high-level semantic reasoning to geometric grasp planning. We introduce Semantic Affordance-Guided Grasp Planning (SAGP), a training-free pipeline built on a coarse-zone abstraction layer. The method first partitions the object point cloud into spatial regions (top, middle, bottom, lateral sides, and protrusions) by applying PCA-based alignment followed by distance-driven DBSCAN clustering, entirely bypassing learned segmentation. A pre-trained VLM then assesses the grasp quality of each region through a structured zero-shot query, and the resulting zone-wise scores are fused with geometric, reachability, and task-alignment signals to re-rank antipodal grasp candidates. Experiments on YCB objects in PyBullet with a Franka Panda robot show that SAGP preserves the high success rate of geometry-only planning while substantially improving the functional appropriateness of selected grasps, particularly on asymmetric, handle-bearing objects where geometry alone is uninformative. The introduced coarse-zone abstraction offers an effective, training-free bridge between VLM-based reasoning and geometric grasp planning, without the need for fine-grained part segmentation.
- Abstract（参考訳）: 幾何学に基づく把握プランナーは、物理的に妥当な把握を保証しているが、機能的意味論を無視し、しばしば反足動物的で、衝突のない、事実上不適切な把握を生成する。
これらの矛盾は、従来の把握基準が満たされた場合でも、ダウンストリームタスクが失敗する。
既存の視覚言語モデル (VLM) のアプローチは、細粒度、カテゴリー固有の部分のセグメンテーションに依存するか、あるいはグリップポーズを直接推測しようとする試みであり、後者は空間幻覚に傾向がある。
その結果、高度意味論的推論と幾何的把握計画とをしっかりと結びつける、実践的でトレーニング不要なフレームワークはまだ提案されていない。
本稿では,粗いゾーン抽象化層上に構築されたトレーニングフリーパイプラインであるSemantic Affordance-Guided Grasp Planning (SAGP)を紹介する。
この手法は、まずPCAベースのアライメントを適用してオブジェクトポイント雲を空間領域(上、中、下、横、および突出部)に分割し、次に学習セグメントを完全にバイパスする距離駆動DBSCANクラスタリングを行う。
事前訓練されたVLMは、構造化されたゼロショットクエリにより各領域の把握品質を評価し、その結果のゾーンワイドスコアに幾何学的、到達性、タスクアライメント信号が融合して、アンチポッドの把握候補を再ランクする。
フランカ・パンダ(Franka Panda)ロボットを用いたPyBulletにおけるYCBオブジェクトの実験では、SAGPは幾何学のみの計画が成功する確率を保ちながら、選択したグリップの機能的適切性、特に幾何学のみが非形式的である非対称なハンドル付きオブジェクトを著しく改善している。
導入された粗いゾーンの抽象化は、細かい部分分割を必要とせず、VLMベースの推論と幾何学的把握計画の間に効果的で訓練のない橋渡しを提供する。
関連論文リスト
- LeCropFollow: Latent Space Planning for Navigation in Unstructured Crop Fields [7.898784066160524]
本稿では,視覚ナビゲーションフレームワークLeCropFollowについて述べる。
その結果,LeCropFollowは非構造行で最先端のベースラインと一致しているが,プランテーションギャップでは著しく優れていた。
これらの結果から,不均一な農業環境下での運用において,潜在計画が幾何的推定に頑健な代替手段となることが示唆された。
論文 参考訳（メタデータ） (2026-06-30T16:47:08Z) - Learning Unions of Convex Sets via Invertible Latent Decomposition for Path Planning [19.14344979340464]
可逆遅延分解(英: Invertible Latent Decomposition, ILD)は、可逆写像と、結果の潜在空間における明示凸ポリトープの結合を学習するフレームワークである。
ILDは、以前のベースラインよりも広範なカバレッジ、セット間の接続性の向上、パス計画の成功率の向上を実現している。
14-DoF双対マニピュレータにおいて,現場形状の変化に適応した実時間衝突のない計画法を実演する。
論文 参考訳（メタデータ） (2026-06-10T12:49:47Z) - SOCC-ICP: Semantics-Assisted Odometry based on Occupancy Grids and ICP [1.2744523252873352]
SOCC-ICPはセマンティックOCCupancyグリッドマッピングとLiDARスキャンアライメントを共同で実行するセマンティック支援オドメトリーフレームワークである。
最先端のLiDARオドメトリーと性能を競い合っており、幾何的に退化した環境でも頑丈である。
SOCC-ICPは,1つの表現内でのオードメトリとセマンティック占有グリッドマッピングを統一することにより,冗長なマップ構造を排除している。
論文 参考訳（メタデータ） (2026-05-14T17:00:38Z) - SphereVAD: Training-Free Video Anomaly Detection via Geodesic Inference on the Unit Hypersphere [90.85001795656633]
ビデオ異常検出(VAD)は、トリミングされていない監視ビデオの通常のパターンから逸脱するイベントを自動的に識別することを目的としている。
SphereVADはトレーニング不要でゼロショットのVADフレームワークで、単位超球面上の準比測地線推定をvon Mises-Fisher (vMF) と再放送する。
論文 参考訳（メタデータ） (2026-05-08T16:57:38Z) - GAP-MLLM: Geometry-Aligned Pre-training for Activating 3D Spatial Perception in Multimodal Large Language Models [70.61152292499737]
このギャップは、幾何学的事前の不足から生じるものではなく、訓練パラダイムの誤った調整から生じるものである、と我々は主張する。
既存のアプローチでは、通常、特徴の結合を示唆し、幾何学的な監督なしに下流のタスクを直接最適化する。
本稿では,下流適応前の構造知覚を明示的に活性化する幾何学的事前学習パラダイムであるGAP-MLLMを提案する。
論文 参考訳（メタデータ） (2026-03-17T12:43:48Z) - Semantic Tube Prediction: Beating LLM Data Efficiency with JEPA [50.494504099850325]
我々は、トークン列が滑らかな意味多様体上の測地線を辿り、従って局所線型であることを示す測地論仮説を導入する。
本稿では,この制約により信号対雑音比が向上し,軌道中の衝突を防止することにより多様性が保たれることを示す。
幾何学的先行性は、ブルートフォーススケーリングを超越できることを実証する。
論文 参考訳（メタデータ） (2026-02-26T04:45:07Z) - Bridging Semantics and Geometry: A Decoupled LVLM-SAM Framework for Reasoning Segmentation in Remote Sensing [8.731693840957716]
Think2Seg-RSはLVLMプロンプトをトレーニングし、構造化された幾何学的プロンプトを介して凍ったセグメンション・アプライシング・モデル(SAM)を制御するフレームワークである。
このフレームワークは、EarthReasonデータセット上で最先端のパフォーマンスを達成する。
コンパクトセグメンタは、意味レベルの監督の下でより大きなセグメンタより優れており、異種空中背景において負のプロンプトは効果がない。
論文 参考訳（メタデータ） (2025-12-22T11:46:42Z) - Geometrically-Constrained Agent for Spatial Reasoning [53.93718394870856]
視覚言語モデルは空間的推論において基本的な意味-幾何学的ギャップを示す。
現在のパラダイムは、このギャップを埋めることに失敗します。
本稿では,形式的タスク制約を導入することにより,このギャップを解消する学習自由エージェントパラダイムを提案する。
論文 参考訳（メタデータ） (2025-11-27T17:50:37Z) - Dense Semantic Matching with VGGT Prior [49.42199006453071]
本稿では,VGGTの本質的な強みを,初期の特徴段階を再利用し,後続の特徴段階を微調整し,双方向対応のための意味的頭部を追加することによって維持するアプローチを提案する。
提案手法は, 従来のベースラインよりも優れた幾何認識, 整合性, および多様体保存を実現する。
論文 参考訳（メタデータ） (2025-09-25T14:56:11Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-03-23T12:28:07Z)
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。