論文の概要: R2S-EGO: Dual-Proxy Refinement for Sparse-Capture Real-to-Sim

• arxiv url: http://arxiv.org/abs/2608.06827v1
• Date: Fri, 07 Aug 2026 05:37:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.368834
• Title: R2S-EGO: Dual-Proxy Refinement for Sparse-Capture Real-to-Sim
• Title（参考訳）: R2S-EGO:Sparse-Capture Real-to-SimのためのDual-Proxy Refinement
• Abstract要約: Real-to-simは、ロボットのエゴ軌道に沿って観察を行うシーン表現に依存する。 カメラ制御された合成は、欠落したビューを埋めることができるが、R2Sでの使用には、振る舞いを許容するクエリとキャプチャーアンコールされた構造条件が必要である。 本稿では,R2S-EGOについて述べる。R2S-EGOは,シミュレータから派生したロボットプロキシと,シーン固有の構造条件を提供するキャプチャアンカレート幾何プロキシを結合する。
• 参考スコア（独自算出の注目度）: 16.489502695359832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-to-sim (R2S) depends on scene representations that render observations along robot ego trajectories, yet dense multi-view capture limits per-environment real-image capture-count efficiency, and sparse human capture can leave behavior-scoped robot views under-supported. Camera-controlled synthesis can fill missing views, but its use in R2S requires behavior-admissible queries and capture-anchored structural conditioning. We present R2S-EGO, which couples a simulator-derived robot proxy that represents the behavior-scoped executable query domain with a capture-anchored geometry proxy that supplies scene-specific structural conditions. Within this domain, fixed- budget selection targets current support deficits for which geometry support is available. The generated observations are assimilated as pseudo-observations to refine the visual asset, while real captures remain anchors. The fused geometry proxy also supplies the scene collision surface, which is refreshed between rounds. Together, these updates refine the existing simulation scene while its robot dynamics and control stack stay fixed. Across 48 frozen Unitree G1 ego views in three Replica scenes, six-view R2S-EGO reaches 19.062 dB PSNR, compared with 14.226 dB for the strongest reported R2S baseline. Across five paired policy-training seeds, R2S-EGO achieves 82.5% +/- 6.8% real-G1 sitting success, compared with 10.0% +/- 10.5% for GaussGym.
• Abstract（参考訳）: リアル・トゥ・シミュレート(R2S)は、ロボットのエゴ軌道に沿って観察をレンダリングするシーン表現に依存するが、環境ごとのマルチビューキャプチャー制限は環境ごとのリアルタイムキャプチャーカウント効率に制限され、疎い人間のキャプチャーは、行動スコープ付きロボットのビューを下位に残すことができる。 カメラ制御された合成は、欠落したビューを埋めることができるが、R2Sでの使用には、振る舞いを許容するクエリとキャプチャーアンコールされた構造条件が必要である。 R2S-EGOは,ビヘイビアスコープの実行可能なクエリドメインを表すシミュレータ由来のロボットプロキシと,シーン固有の構造条件を提供するキャプチャアンカレートなジオメトリプロキシを結合する。 この領域内では、固定予算の選択は、幾何サポートが利用可能である現在のサポート不足をターゲットにしている。 生成された観測は、視覚資産を洗練させるために擬似観測として同化され、実際のキャプチャはアンカーのままである。 融合幾何プロキシは、ラウンド間でリフレッシュされるシーン衝突面も供給する。 これらのアップデートは、ロボットのダイナミクスとコントロールスタックが固定されている間、既存のシミュレーションシーンを洗練させる。 R2S-EGOは、R2Sベースラインが最強と報告された14.226 dBと比較すると、48点の凍結されたUnitree G1エゴビューが3つのReplicaシーンで19.062 dB PSNRに達した。 R2S-EGOは5対の政策訓練種子で82.5%+/-6.8%のリアルG1が成功し、ガウスギムは10.0%+/-10.5%である。

関連論文リスト

• Robostral Navigate [138.74472687550374]
  Robostral Navigateは、大規模なナビゲーションシステムのための視覚言語モデルである。 モノラルなRGB画像のストリームのみを消費し、現在のカメラビューの次のターゲット位置を指して、ウェイポイントを予測する。 我々は、実世界のデータ収集への依存を減らすため、350kのシミュレートされたシーンに240万のトラジェクトリを生成します。
  論文  参考訳（メタデータ） (2026-07-22T23:13:05Z)
• Agentic Real2Sim: Physics-based World Modeling with Vision-Language Agents [42.18672329354181]
  textitAgentic Real2Simは視覚言語エージェントを用いた物理世界モデリングのためのフレームワークである。 我々は,剛体オブジェクトの操作,変形性オブジェクトのインタラクション,ヒューマノイドモーションシーンにおけるエージェントReal2Simの評価を行った。 フレームワークのエージェント的決定は、フロンティアモデルのコストのごく一部で、オープンウェイトなVLMバックエンドによって駆動される。
  論文  参考訳（メタデータ） (2026-07-21T15:23:38Z)
• RoboSnap: One-Shot Real-to-Sim Scene Generation for Generalizable Robot Learning and Evaluation [55.07260698542592]
  我々は,1枚のRGB画像をシミュレーション可能なシーンに変換する,リアル・トゥ・シミュレート・フレームワークであるRoboSnapを紹介した。 DROIDシーンと実ロボットタスクの実験は、復元されたシーンでRoboSnapが信頼できる軌道再生を実現することを示している。 DROIDのリアルワールドシーン564から構築したリアル・トゥ・シムデータセットであるDROID-Simを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T18:19:10Z)
• Image2Sim: Scaling Embodied Navigation via Generative Neural Simulator [70.34667754804168]
  Embodied Navigationは、マルチモーダルな目標を解釈し、3D空間を推論し、現実の世界で確実に目的地に到達するエージェントを構築することを目的としている。 本稿では,RGB-D画像シーケンスから高品質な対話環境を構築するリアルタイムニューラルネットワークフレームワークであるImage2Simを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T02:42:41Z)
• WatchAct: A Benchmark for Behavior-Grounded Robot Manipulation [49.31386176285509]
  WatchActは、観察された人間の行動に基づくロボット操作のベンチマークである。 WatchActは4つの機能ドメインで14タスクにわたる3,000のロングホライゾンインスタンスで構成されている。 シミュレーションとFranka Research 3ロボットの両方で、現在のシステムはWatchActの解決には程遠い。
  論文  参考訳（メタデータ） (2026-06-24T23:13:56Z)
• GEM-4D: Geometry-Enhanced Video World Models for Robot Manipulation [72.52773248997929]
  ビデオワールドモデルは、1つの命令から現実的な未来を生成できるが、時間とともに一貫したポイントレベルの動きを維持できないことが多い。 GEM-4Dは、トレーニング中にビデオ生成バックボーンに高密度な4D対応制御を注入する幾何学的地上ビデオワールドモデルである。 Inverse dynamicsモジュールは、対応性のあるビデオロールアウトを実行可能なロボットトラジェクトリに変換し、現実世界とシミュレーション操作の両方で直接デプロイできる。
  論文  参考訳（メタデータ） (2026-05-20T21:36:44Z)
• SpatialAnt: Autonomous Zero-Shot Robot Navigation via Active Scene Reconstruction and Visual Anticipation [45.461768743080604]
  SpaceAntは、不完全な自己再構成と堅牢な実行の間のギャップを埋めるために設計されたゼロショットナビゲーションフレームワークである。 本研究では,SpatialAntがシミュレーションおよび実世界の環境において既存のゼロショット法より著しく優れていることを示す。
  論文  参考訳（メタデータ） (2026-03-27T08:01:40Z)
• Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
  我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。 既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。 我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T06:35:18Z)

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。