論文の概要: Sparse Meets Dense: Correspondence Guided Robotic Manipulation with Rigid-Deformable Interactions
- arxiv url: http://arxiv.org/abs/2608.01083v1
- Date: Sun, 02 Aug 2026 08:33:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.079677
- Title: Sparse Meets Dense: Correspondence Guided Robotic Manipulation with Rigid-Deformable Interactions
- Title（参考訳）: Sparse Meets Dense: Rigid-Deformable Interactionsを用いた対応型ロボットマニピュレーション
- Abstract要約: 本稿では,剛性-変形性相互作用に適したハイブリッド対応型対応表現を提案する。
キーポイントは、きめ細かい操作のために、リッチでタスク固有の情報をエンコードする。
デンス対応は、新しい変形、形状、シナリオに対する効率的な追跡と一般化を保証する。
- 参考スコア（独自算出の注目度）: 31.227873369552142
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Manipulation involving rigid-deformable interactions, such as hanging clothes or dressing humans, is common in daily life, making it essential for household robots. Compared to single-object manipulation or interactions between rigid bodies, these tasks are particularly challenging due to the rich multi-point contacts and the complex dynamics of the deformable bodies during interaction. Therefore, object-centric representations such as 6D poses or structural points without task-specific information become insufficient for these interactions. In this work, we propose a hybrid correspondence-based representation tailored for rigid-deformable interactions. First, to capture intricate interaction information, we introduce structure-, task-, and interaction-aware sparse keypoints. The keypoints are generated based on the global structures of both rigid and deformable objects, and filtered by their local interaction contacts. However, tracking these sparse keypoints through the interaction remains difficult due to the high-dimensional dynamics of deformable objects. Therefore, we further construct dense correspondences on the deformable objects for accurate keypoint tracking throughout the manipulation. This hybrid design combines the advantages of both representations: sparse keypoints encode rich, task-specific information for fine-grained manipulation, while dense correspondences ensure efficient tracking and generalization to novel deformations, shapes, and scenarios. Together, they enable one-shot transfer to new tasks with minimal demonstrations. Extensive experiments demonstrate the effectiveness and broad applicability of our method.
- Abstract（参考訳）: ハングウェアや人間の服装など、硬直的に変形する相互作用を含む操作は日常生活において一般的であり、家庭用ロボットにとって不可欠である。
剛体間のシングルオブジェクト操作や相互作用と比較すると、これらのタスクは、リッチな多点接触と相互作用中の変形可能な物体の複雑なダイナミクスのために特に困難である。
したがって、6Dのポーズや、タスク固有の情報を持たない構造点のようなオブジェクト中心の表現は、これらの相互作用には不十分である。
本研究では,剛性-変形可能な相互作用に適したハイブリッド対応型対応型表現を提案する。
まず、複雑なインタラクション情報をキャプチャするために、構造、タスク、相互作用を意識したスパースキーポイントを導入する。
キーポイントは剛性オブジェクトと変形可能なオブジェクトの両方のグローバル構造に基づいて生成され、局所的な相互作用接触によってフィルタリングされる。
しかし、変形可能な物体の高次元的ダイナミクスのため、相互作用を通してこれらの疎いキーポイントを追跡することは依然として困難である。
そこで本研究では,変形可能なオブジェクトに対して,操作全体を通して正確なキーポイント追跡を行うための密度の高い対応性を構築する。
このハイブリッド設計は、両方の表現の利点を組み合わせている: 疎なキーポイントは、リッチでタスク固有の情報を細かな操作のためにエンコードし、一方、密度の高い対応は、新しい変形、形状、シナリオに対する効率的な追跡と一般化を保証する。
同時に、最小限のデモで新しいタスクへのワンショット転送を可能にする。
本手法の有効性と適用性について検討した。
関連論文リスト
- FOCI Policy: Focus on Object-Centric Interactions for Relational Manipulation Policies [6.557127548028966]
オブジェクト中心の操作ポリシーは、ロボットのアクションを直接予測するのではなく、オブジェクトの動きをモデル化することで一般化を改善する。
両面の抽象化を実現するインタラクション中心のフレームワークであるtextscFoci Policyを提案する。
RLBench、COLOSSEUM、および実世界のタスクに関する実験は、textscFoci Policyが、以前のオブジェクト指向およびアクション中心のポリシーよりもトレーニングデータを大幅に少なくして、強力なパフォーマンスを達成することを示している。
論文 参考訳（メタデータ） (2026-09-08T13:35:56Z) - GIRAF: Towards Generalizable Human Interactions with Articulated Objects [50.52795413484619]
そこで本論文では,テキスト条件付き拡散モデルについて述べる。
提案手法は、現在最先端の手法を超越して、未確認のオブジェクト構成に強い一般化を示した。
論文 参考訳（メタデータ） (2026-07-08T19:30:44Z) - SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。
本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。
SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-15T07:41:52Z) - 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) - Learning Human-Object Interaction as Groups [52.28258599873394]
GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。
これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-21T07:25:10Z) - Learning Video Generation for Robotic Manipulation with Collaborative Trajectory Control [72.00655365269]
本稿では,協調的軌跡定式化を通じてオブジェクト間ダイナミクスをモデル化する新しいフレームワークであるRoboMasterを紹介する。
オブジェクトを分解する従来の方法とは異なり、我々のコアは、相互作用プロセスを3つのサブステージ(相互作用前、相互作用後、相互作用後)に分解することである。
提案手法は既存の手法よりも優れており,ロボット操作のための軌道制御ビデオ生成における最先端性能を確立している。
論文 参考訳（メタデータ） (2025-06-02T17:57:06Z) - Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - GEARS: Local Geometry-aware Hand-object Interaction Synthesis [38.75942505771009]
本研究では, 相互作用領域近傍の局所物体形状を推定するための, 結合中心型センサを提案する。
学習の複雑さを軽減するための重要なステップとして、グローバルフレームからテンプレートハンドフレームにポイントを変換し、共有モジュールを使用して各関節のセンサ特徴を処理する。
これに続いて、異なる次元の関節間の相関を捉えることを目的とした知覚時間変換ネットワークが提供される。
論文 参考訳（メタデータ） (2024-04-02T09:18:52Z) - InterDiff: Generating 3D Human-Object Interactions with Physics-Informed
Diffusion [29.25063155767897]
本稿では,3次元物体相互作用(HOI)の予測に向けた新しい課題について述べる。
我々のタスクは、様々な形状の動的物体をモデリングし、全身の動きを捉え、物理的に有効な相互作用を確実にする必要があるため、はるかに困難である。
複数の人-物間相互作用データセットを用いた実験は,本手法の有効性を実証し,現実的で,鮮明で,かつ,極めて長期にわたる3D HOI予測を生成できることを示した。
論文 参考訳（メタデータ） (2023-08-31T17:59:08Z) - InterTracker: Discovering and Tracking General Objects Interacting with
Hands in the Wild [40.489171608114574]
既存の方法は相互作用する物体を見つけるためにフレームベースの検出器に依存している。
本稿では,対話オブジェクトの追跡に手動オブジェクトのインタラクションを活用することを提案する。
提案手法は最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2023-08-06T09:09:17Z) - HMDO: Markerless Multi-view Hand Manipulation Capture with Deformable
Objects [8.711239906965893]
HMDOは、手と変形可能な物体の対話的な動きを記録する最初のマーカーレス変形可能な相互作用データセットである。
提案手法は,手と変形可能な物体の対話的動きを高品質に再現することができる。
論文 参考訳（メタデータ） (2023-01-18T16:55:15Z)
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。