論文の概要: Push-Wiper: Toward General-Purpose Robotic Cleaning across Varied Stains and Surfaces with Segmented Pushing Trajectories

• arxiv url: http://arxiv.org/abs/2608.00730v1
• Date: Sat, 01 Aug 2026 15:58:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.879287
• Title: Push-Wiper: Toward General-Purpose Robotic Cleaning across Varied Stains and Surfaces with Segmented Pushing Trajectories
• Title（参考訳）: Push-Wiper: 押圧軌道を分割した壁面および壁面の汎用ロボットクリーニングに向けて
• Abstract要約: Push-Wiperは、凝集問題として粘性染色を改質するフレームワークである。 Push-Wiperはスポンジを使用して、セグメント化されたプッシュ軌跡を通して汚れを徐々に収集する。 本実験はPush-Wiperの洗浄効果と高い一般化能力を示す。
• 参考スコア（独自算出の注目度）: 16.185509297529865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Viscous stains, characterized by high viscosity and complex rheological properties, remain a major challenge for robotic surface cleaning. Conventional wiping often spreads the stain, while scrubbing provides stronger friction but risks damaging the surface. In this paper, we propose Push-Wiper, a framework that reformulates viscous stain cleaning as an aggregation problem. Push-Wiper employs a sponge to progressively gather stains through segmented pushing trajectories, followed by a post-processing phase that detaches the aggregated material and enables sponge self-cleaning. We adopt a stepwise strategy for stain gathering and leverage Diffusion Policy to generate adaptive pushing action sequences. These sequences are executed through our Arbitrary Surface Pose Interpolator (ASPI) and a hybrid force-position controller, allowing the method to generalize to stains with diverse spatial distributions. Push-Wiper achieves a cleaning score (CS), defined as the percentage of stain area removed, up to 130% higher than baseline methods. Without additional training, Push-Wiper also transfers in a zero-shot manner to solid residues, liquid spills, unseen viscous stains, and curved surfaces with varying geometries. Our experiments demonstrate the cleaning effectiveness of Push-Wiper and its strong generalization ability. The project website is available at https://push-wiper.github.io/.
• Abstract（参考訳）: 高粘度と複雑なレオロジー特性を特徴とする粘性染色は、ロボット表面のクリーニングにおいて大きな課題である。 従来のワイピングはしばしば汚れを広げ、スクラブは摩擦を強くするが、表面を損傷させる危険性がある。 本稿では,粘性汚泥処理を集約問題として再検討するPush-Wiperを提案する。 プッシュワイパーは、スポンジを使用して、セグメント化されたプッシュ軌跡を通じて汚れを段階的に収集し、次いで、集約された材料を分解し、スポンジの自己洗浄を可能にする後処理フェーズを施す。 我々はステンジ収集のための段階的な戦略を採用し、拡散ポリシーを利用して適応的なプッシュアクションシーケンスを生成する。 これらのシーケンスは、ASPI(Arbitrary Surface Pose Interpolator)とハイブリッド力配置コントローラによって実行され、様々な空間分布を持つ染色に一般化することができる。 Push-Wiperは、除去された染色面積のパーセンテージとして定義されるクリーニングスコア(CS)を、ベースライン法よりも最大130%高い値で達成する。 追加の訓練がなければ、Push-Wiperはゼロショットで固体の残留物、液体の流出物、見えない粘性染色物、様々な地形を持つ曲面に転移する。 本実験はPush-Wiperの洗浄効果と高い一般化能力を示す。 プロジェクトのWebサイトはhttps://push-wiper.github.io/.comで公開されている。

関連論文リスト

• An Experimental Study of Downwash Effects on a Continuum Manipulator Integrated with a Multirotor UAV [0.0]
  連続アームの空中操作システムは、制限された環境や危険な環境でのタスクにソフトマニピュレータのコンプライアンスとデキスタリティを利用する。 プロペラのダウンウォッシュは 性能を低下させる 特に壁や地面の近くで 本論文は,マルチロータプラットフォームと統合された腱駆動型連続体マニピュレータのダウンウォッシュ誘起運動偏差を実験的に研究する。
  論文  参考訳（メタデータ） (2026-08-19T03:54:02Z)
• From Blobs to Spokes: High-Fidelity Surface Reconstruction via Oriented Gaussians [36.88207476975372]
  3Dガウススプラッティングは高速なビュー合成に革命をもたらしたが、その不透明度に基づく定式化は表面抽出を困難にしている。 複雑なシーンの高度に正確な水密メッシュを抽出する方法を示す。 本手法はDTUとタンク・アンド・テンプルに新しい最先端のメッシュを配置し, 同時作業回収型薄型構造物のごく一部で水密メッシュを作製する。
  論文  参考訳（メタデータ） (2026-04-08T17:52:39Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Backdoor Cleaning without External Guidance in MLLM Fine-tuning [76.82121084745785]
  Believe Your Eyes (BYE)は、アテンションエントロピーパターンを自己教師信号として活用して、バックドアサンプルを特定してフィルタリングするデータフィルタリングフレームワークである。 クリーンタスクのパフォーマンスを維持しながら、ほぼゼロの攻撃成功率を達成する。
  論文  参考訳（メタデータ） (2025-05-22T17:11:58Z)
• Divide and Conquer: Heterogeneous Noise Integration for Diffusion-based Adversarial Purification [75.09791002021947]
  既存の浄化法は,前向き拡散過程を通じて一定のノイズを発生させ,その後に逆の処理を行い,クリーンな例を回復させることによって,対向的摂動を妨害することを目的としている。 この方法は、前処理の均一な操作が、対向的摂動と闘いながら通常のピクセルを損なうため、根本的な欠陥がある。 ニューラルネットワークの解釈可能性に基づく異種浄化戦略を提案する。 本手法は,被写体モデルが注目する特定の画素に対して高強度雑音を決定的に印加する一方,残りの画素は低強度雑音のみを被写体とする。
  論文  参考訳（メタデータ） (2025-03-03T11:00:25Z)
• BadActs: A Universal Backdoor Defense in the Activation Space [14.042905759502267]
  アクティベーション空間におけるバックドアサンプルを浄化するユニバーサルバックドアディフェンスを導入する。 アクティベーション空間で操作することで、単語のような表面的な情報から構文のような高レベルのセマンティックな概念までをキャプチャする。 本稿では,異常なアクティベーションの統計情報に基づく検出モジュールを提案する。
  論文  参考訳（メタデータ） (2024-05-18T08:32:37Z)
• StraightPCF: Straight Point Cloud Filtering [50.66412286723848]
  ポイントクラウドフィルタリングは、基礎となるクリーンな表面を回復しながらノイズを取り除くことを目的とした、基本的な3Dビジョンタスクである。 我々は、ポイントクラウドフィルタリングのための新しいディープラーニングベースの方法であるStraightPCFを紹介する。 ノイズの多い点を直線に沿って移動させることで、離散化誤差を低減し、クリーン表面への高速な収束を保証する。
  論文  参考訳（メタデータ） (2024-05-14T05:41:59Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Robotic Table Wiping via Reinforcement Learning and Whole-body Trajectory Optimization [19.54264668187374]
  本研究では,多目的移動ロボットがテーブルを自律的に拭き取り,こぼれやくちばしを浄化するフレームワークを提案する。 この問題は、高次元の視覚観測によって捉えたクラムや流出の、不確実な潜伏ダイナミクスを推論しながら、ワイピングアクションを計画する必要があるため、難しい。 シミュレーションおよびハードウェア上でのアプローチを幅広く検証する。
  論文  参考訳（メタデータ） (2022-10-19T20:12:43Z)
• Path Planning of Cleaning Robot with Reinforcement Learning [2.1025073170341844]
  提案手法は,元のPPOに対するトレーニング性能の向上と収束速度の向上を実現する。 実験の結果,提案手法はトレーニング性能の向上とPPOの収束速度の向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T10:36:51Z)
• RandStainNA: Learning Stain-Agnostic Features from Histology Slides by Bridging Stain Augmentation and Normalization [45.81689497433507]
  ステン正規化(SN)とステン強化(SA)という2つの提案が一般化誤差を低減するために注目されている。 この問題に対処するため、SNとSAを新しいRandStainNAスキームで統一する。 RandStainNAは、ステンレスに依存しないディープラーニングモデルをトレーニングするために、実行可能な範囲で可変ステンスタイルを制約する。
  論文  参考訳（メタデータ） (2022-06-25T16:43:59Z)

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。