論文の概要: GraRe: Grasp Candidate Re-Ranking for Frozen 6-DoF Grasp Detectors

• arxiv url: http://arxiv.org/abs/2608.00946v1
• Date: Sun, 02 Aug 2026 02:55:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.032359
• Title: GraRe: Grasp Candidate Re-Ranking for Frozen 6-DoF Grasp Detectors
• Title（参考訳）: GraRe: 冷凍6-DoFグレープ検出器のGrasp候補再配置
• Abstract要約: 既存の6-DoFグリップ検出器は、検出信頼度によって把握候補をランク付けする。 GraReは、候補属性、貝殻成層局所幾何学、オブジェクトコンテキストから品質の把握を推定する。 3つの凍結検出器によるGraspNet-1Billionの実験は、一貫した改善を示している。
• 参考スコア（独自算出の注目度）: 5.90559531884373
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing 6-DoF grasp detectors typically rank grasp candidates by detector confidence. However, our analysis on GraspNet-1Billion shows that detector confidence is often poorly aligned with grasp quality, causing successful grasp candidates to be ranked too low during execution. Motivated by this observation, we formulate grasp candidate re-ranking as a separate task for frozen detectors, aiming to improve candidate ordering without changing the detector or its grasp candidates. We propose GraRe, which estimates grasp quality from candidate attributes, shell-stratified local geometry, and object context. Candidate attributes condition the local geometric and object-context representations, and a Transformer fuses all three feature types. The predicted quality is combined with detector confidence to produce the final ranking. Experiments on GraspNet-1Billion with three frozen detectors show consistent improvements, with gains of up to 13.60 points in Average AP. Real-robot experiments further demonstrate robust grasping in cluttered scenes. These results show that improving candidate ranking provides a practical way to enhance frozen 6-DoF grasp detectors.
• Abstract（参考訳）: 既存の6-DoFグリップ検出器は通常、検出器の信頼性によってグリップ候補をランク付けする。 しかし,GraspNet-1Billionを解析したところ,検出精度が把握品質と整合性に乏しい場合が多く,実行中に認識候補のランクが低すぎることが判明した。 本研究は, 凍結検知器の別タスクとしての把握候補を定式化し, 検出器やその把握候補を変更することなく, 予測順序を改善することを目的としている。 提案するGraReは,候補属性,貝殻成層局所幾何学,オブジェクトコンテキストから品質の把握を推定する。 候補属性は局所幾何学およびオブジェクトコンテキスト表現を条件とし、Transformerは3つの特徴型全てをフューズする。 予測された品質と検出器の信頼性が組み合わされ、最終ランキングが作成される。 3つの凍結検出器によるGraspNet-1Billionの実験では、平均AP値が13.60ポイントまで向上した。 リアルロボット実験はさらに、散らかったシーンでしっかりとつかむことを実証している。 これらの結果から, 冷凍6-DoFグリップ検出器の実用化が期待できる。

関連論文リスト

• Search Discipline for Long-Horizon Research Agents [0.0]
  自動検索エージェントは、メートル法に対して科学的候補を提案し、評価し、選択する。 この非凝集構造に科学的妥当性が存在する場合、アグリゲーションはまず間違った候補をランク付けする。
  論文  参考訳（メタデータ） (2026-06-09T23:55:31Z)
• LRanker: LLM Ranker for Massive Candidates [32.698478901429375]
  大規模候補ランキングに適したフレームワークであるLRankerを提案する。 LRankerはK平均クラスタリングを利用してグローバルな候補情報を明示的にモデル化するアグリゲーションエンコーダを組み込んでいる。 我々はRBenchの3つのシナリオにまたがる7つのタスクにおけるLRankerの評価を行った。
  論文  参考訳（メタデータ） (2026-05-27T01:04:36Z)
• Benchmarking Fraud Detectors on Private Graph Data [70.4654745317714]
  現在、多くの種類の不正は、グラフ上で動く自動検出アルゴリズムによって部分的に管理されている。 データ保有者が不正検知器の開発を第三者にアウトソースしようとするシナリオを考察する。 サードパーティは、不正検出をデータ保持者に送信し、これらのアルゴリズムをプライベートデータセットで評価し、その結果を公表する。 本システムに対する現実的なプライバシ攻撃を提案し,評価結果のみに基づいて個人データの匿名化を可能にする。
  論文  参考訳（メタデータ） (2025-07-30T03:20:15Z)
• Graspness Discovery in Clutters for Fast and Accurate Grasp Detection [57.81325062171676]
  グレープネス(graspness)とは、散らばった場面で把握可能な領域を区別する幾何学的手がかりに基づく品質である。 本研究では,探索過程を近似するカスケード把握モデルを構築した。 大規模なベンチマークであるGraspNet-1Billionの実験では,提案手法が従来の手法よりも大きなマージンで優れていたことが示されている。
  論文  参考訳（メタデータ） (2024-06-17T02:06:47Z)
• Rank-DETR for High Quality Object Detection [52.82810762221516]
  高性能なオブジェクト検出器は、バウンディングボックス予測の正確なランキングを必要とする。 本研究では, 簡易かつ高性能なDETR型物体検出器について, 一連のランク指向設計を提案して紹介する。
  論文  参考訳（メタデータ） (2023-10-13T04:48:32Z)
• Large Language Models are not Fair Evaluators [60.27164804083752]
  候補回答の品質ランキングは,文脈の出現順序を変えることで容易にハックできることがわかった。 この操作により、評価結果をスキューし、一方のモデルを他方よりもかなり優れているようにすることができる。 この問題を緩和するための3つのシンプルかつ効果的な戦略を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-29T07:41:03Z)
• ReFIT: Relevance Feedback from a Reranker during Inference [109.33278799999582]
  Retrieve-and-Rerankは、ニューラル情報検索の一般的なフレームワークである。 本稿では,リランカを利用してリコールを改善する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-19T15:30:33Z)
• Certified Error Control of Candidate Set Pruning for Two-Stage Relevance Ranking [57.42241521034744]
  本稿では、妥当性ランキングのための候補セットプルーニングの認証エラー制御の概念を提案する。 提案手法は,第1段階から抽出した候補集合を抽出し,第2段階の復位速度を向上する。
  論文  参考訳（メタデータ） (2022-05-19T16:00:13Z)
• GKNet: grasp keypoint network for grasp candidates detection [15.214390498300101]
  本稿では、キーポイント検出として扱うことにより、検出を把握するための異なるアプローチを提案する。 ディープネットワークは、各グリップ候補を一対のキーポイントとして検出し、コーナーポイントの三重項や四重項ではなく、グリップ表現g = x, y, w,thetaTに変換する。
  論文  参考訳（メタデータ） (2021-06-16T00:34:55Z)

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。