論文の概要: PVRA: A Pointwise Key-point Voting Framework for Robotic Assembly

• arxiv url: http://arxiv.org/abs/2608.19968v1
• Date: Thu, 20 Aug 2026 12:43:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.56387
• Title: PVRA: A Pointwise Key-point Voting Framework for Robotic Assembly
• Title（参考訳）: PVRA:ロボット組立のためのポイントワイズキーポイント投票フレームワーク
• Abstract要約: 動作可能な出力を推論するためのアセンブリ依存を学習するための3Dキーポイントベースのモジュール学習フレームワークを提案する。 我々は、アセンブリポーズ推定データセット上でトレーニングされたネットワークをトレーニングし、評価し、オブジェクト中心のベースラインと比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern computer vision has enabled partial autonomy in robotic assembly manipulation. However, performing autonomous manipulation of a progressive assembly demands a more specific set of skills, in addition to perceiving the objects. Through a comparative analysis of research in the associated domains, we deduce that object-centric perception must advance towards learning assembly dependencies to predict meaningful actionable outputs for autonomous assembly manipulation. Subsequently, we present a 3D keypoint-based modular learning framework to learn assembly dependencies to infer actionable outputs given a RGB-D input of an assembly scene. We train and evaluate our trained network on an assembly pose estimation dataset and compare it against object-centric baselines with an augmented set of metrics for progressive assemblies.
• Abstract（参考訳）: 現代のコンピュータビジョンは、ロボット組立操作における部分的な自律性を可能にした。 しかし、プログレッシブアセンブリの自律的な操作を行うには、オブジェクトの知覚に加えて、より具体的なスキルセットが必要である。 関連する領域における研究の比較分析を通じて、自律的なアセンブリ操作のための意味のある実行可能なアウトプットを予測するために、オブジェクト中心の知覚がアセンブリ依存の学習に向けて前進する必要があると推測する。 次に,組立シーンのRGB-D入力に対して動作可能な出力を推定するために,組立依存性を学習する3Dキーポイントベースのモジュラー学習フレームワークを提案する。 我々は、アセンブリポーズ推定データセット上でトレーニングされたネットワークをトレーニングし、それをオブジェクト中心のベースラインとプログレッシブアセンブリのための拡張されたメトリクスセットと比較する。

関連論文リスト

• AffordanceVLA: A Vision-Language-Action Model Empowering Action Generation through Affordance-Aware Understanding [55.535374902204296]
  AffordanceVLAは、タスク指向の中間表現として構造化された価格予測を導入する統一フレームワークである。 AffordanceVLAは様々な操作シナリオで高いパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2026-06-04T13:28:51Z)
• AssemLM: Spatial Reasoning Multimodal Large Language Models for Robotic Assembly [45.963541758601274]
  本稿では,ロボット組立に適した空間多モーダル大言語モデルAssemLMを提案する。 AssemLMは、アセンブリマニュアル、ポイントクラウド、テキスト命令を統合して、タスククリティカルな6Dアセンブリのポーズを推論し予測する。 本モデルでは, 多様な組立シナリオにまたがって, 6次元モデルにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-04-10T05:43:39Z)
• AI Assisted AR Assembly: Object Recognition and Computer Vision for Augmented Reality Assisted Assembly [40.836596733334254]
  ディープラーニングに基づくオブジェクト認識を用いたAI支援拡張現実アセンブリワークフローを提案する。 各組立ステップに対して、システムは物理空間内の対応するコンポーネントの周りにバウンディングボックスを表示し、コンポーネントがどこに置かれるべきかを示す。
  論文  参考訳（メタデータ） (2025-11-07T16:20:53Z)
• IAAO: Interactive Affordance Learning for Articulated Objects in 3D Environments [56.85804719947]
  IAAOは知的エージェントのための明示的な3Dモデルを構築するフレームワークで,対話を通して環境内の明瞭な物体の理解を得る。 マスク特徴とビュー一貫性ラベルを多視点画像から抽出し,まず3次元ガウススティング(3DGS)を用いて各オブジェクト状態の階層的特徴とラベルフィールドを構築する。 次に、3Dガウスプリミティブ上でオブジェクトと部分レベルのクエリを実行し、静的および明瞭な要素を識別し、大域的な変換と局所的な調音パラメータをアベイランスとともに推定する。
  論文  参考訳（メタデータ） (2025-04-09T12:36:48Z)
• Manual-PA: Learning 3D Part Assembly from Instruction Diagrams [54.555154845137906]
  本稿では,手動誘導3次元部品組立フレームワークである手動PAについて述べる。 以上の結果から, 部品の図面と順序を併用すると, 組立性能が向上し, 組立性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2024-11-27T03:10:29Z)
• Learning Manipulation by Predicting Interaction [85.57297574510507]
  本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。 実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
  論文  参考訳（メタデータ） (2024-06-01T13:28:31Z)
• MOKA: Open-World Robotic Manipulation through Mark-Based Visual Prompting [97.52388851329667]
  我々は,自由形式の言語命令で指定されたロボット操作タスクを解決するために,マーキングオープンワールドキーポイントアフォード(Moka)を導入する。 我々のアプローチの中心は、VLMの観測画像と物理世界におけるロボットの行動に関する予測を橋渡しする、コンパクトな点ベースの可測性表現である。 ツールの使用,変形可能な身体操作,オブジェクト再構成など,さまざまなテーブルトップ操作タスクにおけるMokaの性能評価と解析を行った。
  論文  参考訳（メタデータ） (2024-03-05T18:08:45Z)
• GBOT: Graph-Based 3D Object Tracking for Augmented Reality-Assisted Assembly Guidance [9.878585802984391]
  本稿では,新しいグラフベースのRGB-Dトラッキング手法である,グラフベースのオブジェクト追跡(GBOT)を提案する。 リアルタイムのマーカーレスマルチオブジェクト追跡は、6Dポーズ推定とグラフベースのアセンブリポーズの更新によって行われる。 GBOTは、コンテキスト対応の拡張現実アセンブリガイダンスの実現に向けて、既存の作業よりも優れています。
  論文  参考訳（メタデータ） (2024-02-12T14:38:46Z)
• Multi-level Reasoning for Robotic Assembly: From Sequence Inference to Contact Selection [74.40109927350856]
  本稿では,PAST(Part Assembly Sequence Transformer)を用いて,対象とするブループリントからアセンブリシーケンスを推論する。 次に、モーションプランナーと最適化を使用して、部品の動きと接触を生成する。 実験結果から,本手法は従来手法よりも一般化されていることがわかった。
  論文  参考訳（メタデータ） (2023-12-17T00:47:13Z)
• Object Detection for Understanding Assembly Instruction Using Context-aware Data Augmentation and Cascade Mask R-CNN [4.3310896118860445]
  音声バブルセグメンテーションのための文脈認識型データ拡張手法を開発した。 また,深層学習は,命令中の重要なオブジェクトを検出することで,アセンブリ命令の理解に有用であることが示された。
  論文  参考訳（メタデータ） (2021-01-07T12:10:27Z)
• Generative 3D Part Assembly via Dynamic Graph Learning [34.108515032411695]
  部品組み立ては、3Dコンピュータビジョンとロボット工学において難しいが重要な課題だ。 本稿では,反復グラフニューラルネットワークをバックボーンとして活用する,アセンブリ指向の動的グラフ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-14T04:26:42Z)

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。