論文の概要: D3D-GEN: Robot-Aware Domain-Grounded Interactive 3D World Generation for Social Robotics
- arxiv url: http://arxiv.org/abs/2608.11876v1
- Date: Wed, 12 Aug 2026 10:03:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.550143
- Title: D3D-GEN: Robot-Aware Domain-Grounded Interactive 3D World Generation for Social Robotics
- Title（参考訳）: D3D-GEN:ソーシャルロボティクスのためのロボット対応ドメイン周囲の対話型3Dワールドジェネレーション
- Abstract要約: そこで我々は,ドメインエージェントと,そのドメインに基盤を置く検索拡張世代(RAG)パイプラインを組み合わせた新しい世界生成システムを提案する。
本システムでは,ドメイン知識の収集とリアルなフロアプランとオブジェクト配置の合成の両面を自動化し,ドメインを基盤とした完全にインタラクティブな3Dワールドを高速に生成することができる。
出力は、人気のあるシミュレーターSim IsaacとGazeboが搭載する、完全にインタラクティブな3Dワールドだ。
- 参考スコア（独自算出の注目度）: 4.491657117743653
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Training and validation of Embodied AI for social navigation critically depends on realistic simulation environments, yet many current approaches fail to find a balance between realism and simulability. We propose D3D-GEN, a novel world generation system that combines a domain agent with a retrieval-augmented generation (RAG) pipeline grounded in that domain. Our system enables users to rapidly generate domain-grounded, fully interactive 3D worlds by automating both the collection of domain knowledge and the synthesis of realistic floorplans and object placements, without dependence on any fixed 3D model database. Given a domain description prompt, the research agent collects publicly accessible domain-specific data and constructs a persistent domain database. Using this database, our RAG pipeline generates plausible floorplans and object placements by dynamically querying a user-provided semantic database, which can be easily extended or modified. The output is a fully interactive 3D world loadable by the popular simulators Isaac Sim and Gazebo. With our approach, we have built databases for several common domains (indoor residential, hospital, office) and generated dozens of distinct, plausible simulation environments for each domain. We present D3D-GEN with a local web frontend that facilitates rapid, interactive world generation for robot simulation.
- Abstract（参考訳）: ソーシャルナビゲーションのためのEmbodied AIのトレーニングと検証は、現実的なシミュレーション環境に依存している。
本稿では、ドメインエージェントと、そのドメインに接するRAGパイプラインを組み合わせた、新しい世界生成システムD3D-GENを提案する。
本システムでは,ドメイン知識の収集と現実的なフロアプランやオブジェクト配置の合成を,固定された3Dモデルデータベースに依存せずに自動化することにより,ドメインを基盤とした完全にインタラクティブな3Dワールドを高速に生成することができる。
ドメイン記述プロンプトが与えられたら、調査エージェントは公開アクセス可能なドメイン固有のデータを収集し、永続的なドメインデータベースを構築する。
このデータベースを用いて、RAGパイプラインは、ユーザが提供するセマンティックデータベースを動的にクエリすることで、もっともらしいフロアプランとオブジェクト配置を生成します。
出力は、人気のあるシミュレーターのIsaac SimとGazeboによって、完全にインタラクティブな3Dワールドにロードされる。
このアプローチでは、複数の共通ドメイン(屋内住宅、病院、オフィス)のデータベースを構築し、各ドメインに対して数十の異なる、もっともらしいシミュレーション環境を生成しました。
我々はD3D-GENを、ロボットシミュレーションのための高速でインタラクティブな世界生成を容易にするローカルWebフロントエンドとして提示する。
関連論文リスト
- ABot-Earth 0.5: Generative 3D Earth Model [30.627822427932273]
ABot-Earth 0.5は、ユビキタスで地理的に参照された衛星画像から巨大なシームレスな3D環境を合成するために設計された3Dフレームワークである。
推測では、1平方キロメートルあたり10分未満のスケーラブルな速度で、衛星画像のみに照らされた新しい3Dシーンを合成する。
論文 参考訳（メタデータ） (2026-06-08T17:58:02Z) - OASIS: From Simulation Data Collection to Real-World Humanoid Loco-Manipulation [51.37436817948304]
OASISはヒューマノイドのロコ操作のためのシミュレーションデータ駆動のフレームワークである。
3次元生成モデルを用いて実世界の画像から現実的なオブジェクト資産を再構築する。
ゼロショットデプロイメントでは、実際のロボット遠隔操作データでトレーニングされたタスクよりも、ほとんどのタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-06-07T10:01:53Z) - 3D Generation for Embodied AI and Robotic Simulation: A Survey [19.441445845534158]
Embodied AIとロボットシステムは、シミュレーションベースのトレーニングと実世界の展開のために、スケーラブルで多様な物理的基盤を持つ3Dコンテンツにますます依存している。
この調査では、エンボディドAIの3D生成をレビューし、3D生成がエンボディドシステムで果たす3つの役割に関する文献を整理する。
データジェネレータでは、3Dジェネレーションは、下流のインタラクションのための、明瞭で物理的に接地された、変形可能なコンテンツを含むシミュレーション可能なオブジェクトとアセットを生成する。
シミュレーション環境では、対話的でタスク指向の世界を構築し、構造認識、制御可能、エージェントシーン生成を行う。
Sim2Real Bridgeはデジタルツイン再構築をサポート
論文 参考訳（メタデータ） (2026-04-29T10:17:55Z) - SAGE: Scalable Agentic 3D Scene Generation for Embodied AI [67.43935343696982]
既存のシーン生成システムは、しばしばルールベースまたはタスク固有のパイプラインに依存し、アーティファクトと物理的に無効なシーンを生成する。
本稿では,ユーザが特定した具体的タスクを与えられたエージェントフレームワークであるSAGEについて,その意図を理解し,大規模にシミュレーション可能な環境を自動的に生成する。
得られた環境は現実的で多様性があり、政策訓練のための現代的なシミュレーターに直接デプロイできる。
論文 参考訳（メタデータ） (2026-02-10T18:59:55Z) - WorldGen: From Text to Traversable and Interactive 3D Worlds [87.95088818329403]
本稿では,テキストプロンプトから直接,大規模でインタラクティブな3Dワールドを自動生成するシステムWorldGenを紹介する。
我々のアプローチは、自然言語記述を標準のゲームエンジン内で即座に探索または編集できる完全にテクスチャ化された環境に変換する。
この研究は、ゲーム、シミュレーション、没入型社会環境における応用のための3D生成AIのフロンティアを前進させる、アクセス可能で、大規模に生成可能な世界構築への一歩である。
論文 参考訳（メタデータ） (2025-11-20T22:13:18Z) - ArtiWorld: LLM-Driven Articulation of 3D Objects in Scenes [43.19849355456126]
ArtiWorldは、テキストシーン記述から候補のアーティキュラブルオブジェクトをローカライズする、シーン認識パイプラインである。
このパイプラインのコアとなるArti4URDFは、3Dポイントクラウドと大規模言語モデルの事前知識を活用している。
ArtiWorldを3つのレベル(3Dシミュレーションオブジェクト、フル3Dシミュレーションシーン、実世界のスキャンシーン)で評価する。
論文 参考訳（メタデータ） (2025-11-17T04:59:21Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - R3D2: Realistic 3D Asset Insertion via Diffusion for Autonomous Driving Simulation [78.26308457952636]
本稿では,自律運転シミュレーションの限界を克服する軽量な1ステップ拡散モデルであるR3D2を紹介する。
シャドウや一貫した照明など、妥当なレンダリング効果を生み出すことで、既存のシーンに完全な3Dアセットを現実的に挿入することができる。
R3D2は挿入されたアセットの現実性を大幅に向上させ,テキストから3Dへのアセット挿入やクロスシーン/データセットオブジェクト転送といったユースケースを可能にした。
論文 参考訳（メタデータ） (2025-06-09T14:50:19Z) - Deep Generative Framework for Interactive 3D Terrain Authoring and
Manipulation [4.202216894379241]
本稿では,VAEと生成条件GANモデルを組み合わせた新しいランドスケープオーサリングフレームワークを提案する。
我々のフレームワークは実世界の地形データセットから潜在空間を学習することで既存の手法の限界を克服しようとする例に基づく手法である。
我々はまた、ユーザが最小限の入力で多様な地形を生成できるインタラクティブツールを開発した。
論文 参考訳（メタデータ） (2022-01-07T08:58:01Z) - Domain Adaptation for Real-World Single View 3D Reconstruction [1.611271868398988]
教師なしのドメイン適応は、ラベル付き合成ソースドメインからラベルなしの実際のターゲットドメインに知識を転送するために使用することができる。
本稿では,3次元モデルでは対象のドメインデータが教師されないが,クラスラベルでは教師されないという事実を生かして,新しいアーキテクチャを提案する。
その結果はShapeNetをソースドメインとして、Object Domain Suite(ODDS)データセット内のドメインをターゲットとして実行されます。
論文 参考訳（メタデータ） (2021-08-24T22:02:27Z) - CRAVES: Controlling Robotic Arm with a Vision-based Economic System [96.56564257199474]
現実のタスクを達成するためにロボットアームを訓練することは、アカデミックと産業の両方で注目を集めている。
本研究は,この分野におけるコンピュータビジョンアルゴリズムの役割について論じる。
本稿では,3次元モデルを用いて大量の合成データを生成する方法を提案する。
論文 参考訳（メタデータ） (2018-12-03T13:28:29Z)
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。