論文の概要: Beyond Relative Geometry: Metric-Aware Geometry Perception for Robotics

• arxiv url: http://arxiv.org/abs/2608.27497v1
• Date: Thu, 27 Aug 2026 02:07:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.08367
• Title: Beyond Relative Geometry: Metric-Aware Geometry Perception for Robotics
• Title（参考訳）: 相対幾何学を超えて - ロボットのためのメトリクス認識幾何学の知覚
• Abstract要約: Metric-Aware Geometry Perception (MAGP)は、幾何学的再構成のためのエンドツーエンドのプラグアンドプレイフレームワークである。 中心となるMetric Scale Equivariant Augmentationは、カメラパラメータと深度観測から距離幾何学を再構築することを奨励する。 フレキシブル・メトリック・コンディショニング(Flexible Metric Conditioning)は、カメラと深度入力の任意のビューカウントと組み合わせをサポートし、不均一なロボットセンシング構成に対する堅牢性を向上させる。
• 参考スコア（独自算出の注目度）: 16.80010144055988
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent embodied models increasingly leverage geometric representations to improve spatial reasoning and robotic manipulation. However, existing reconstruction methods only reconstruct relative geometry with arbitrary scales, causing predicted object dimensions and spatial distances to vary across scenes, viewpoints, and input configurations. This inconsistency prevents geometric perception from being directly aligned with robotic actions defined on the real-world scale. To address this limitation, we propose Metric-Aware Geometry Perception (MAGP), an end-to-end, plug-and-play framework for metric geometry reconstruction that can be seamlessly integrated into robotic policies. At its core, Metric Scale Equivariant Augmentation encourages the model to reconstruct metric geometry from camera parameters and depth observations, ensuring that the reconstructed geometry follows the metric scale specified by observations. Flexible Metric Conditioning further enables MAGP to support arbitrary view counts and combinations of camera and depth inputs, improving robustness to heterogeneous robotic sensing configurations. Together, these designs produce geometrically consistent reconstructions with stable object dimensions and spatial distances across scenes and sensing conditions. Experiments on ETH3D, MegaDepth, and ScanNet++ demonstrate that MAGP maintains strong relative geometry accuracy while reducing the absolute error by over an order of magnitude, from 2.01m to 0.07m. When integrated into multiple robotic policies, MAGP consistently improves performance on LIBERO, RoboTwin, and zero-shot LIBERO-Plus, with gains of up to 6.26% on RoboTwin. These results demonstrate the effectiveness and generalizability of metric geometry for robotic manipulation.
• Abstract（参考訳）: 最近の実施モデルは、空間推論とロボット操作を改善するために幾何学的表現をますます活用している。 しかし、既存の再構成手法は、任意のスケールで相対幾何学を再構築するだけで、予測対象次元と空間距離は、シーン、視点、入力構成によって異なる。 この矛盾は、幾何学的知覚が現実世界のスケールで定義されたロボット行動と直接一致することを防ぐ。 この制限に対処するため,メトリカル・アウェア・ジオメトリ・パーセプション (MAGP) を提案する。 中心となるMetric Scale Equivariant Augmentationは、カメラパラメータと深度観測からメートル法を再構成することを奨励し、再構成された幾何が観測によって指定されたメートル法スケールに従うことを保証する。 フレキシブルメトリックコンディショニングにより、MAGPは任意のビューカウントとカメラと深度入力の組み合わせをサポートし、不均一なロボットセンシング構成に対する堅牢性を向上させることができる。 これらの設計は、安定な物体次元と空間距離をシーンや感知条件に合わせた幾何的に一貫した再構成を生成する。 ETH3D、MegaDepth、ScanNet++の実験では、MAGPは強い相対的幾何精度を維持しつつ、絶対誤差を2.01mから0.07mまで桁違いに低減している。 複数のロボットポリシーに統合されると、MAGPは一貫してLIBERO、RoboTwin、ゼロショットLIBERO-Plusのパフォーマンスを改善し、RoboTwinは最大6.26%向上した。 これらの結果は,ロボット操作における計量幾何学の有効性と一般化性を示すものである。

関連論文リスト

• OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
  OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。 射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。 代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
  論文  参考訳（メタデータ） (2026-09-08T19:45:58Z)
• Artic-O: End-to-End Articulated Object Reconstruction via Latent Geometry Learning [105.35529379360186]
  Artic-Oは、音声によるオブジェクト再構成のためのエンドツーエンドのフィードフォワードフレームワークである。 スパース多状態観測を事前訓練された潜在幾何学空間にマッピングする。 凍結したフローマッチングデコーダは、可視構造と隠蔽構造の回復に先立って完全な形状を提供する。
  論文  参考訳（メタデータ） (2026-06-20T08:15:30Z)
• Haptic Sorter: A Unified Planning Framework for Online Shape Estimation and Real-Time Pose Inference [5.39302833189819]
  本稿では,ロボット触覚認識,モデリング,操作計画を統合したモデルベース幾何フレームワークを提案する。 我々は2次元ロボットソート作業にシステムを配置し、シミュレーションと実世界のマルチアーム構成の両方において、我々のフレームワークの堅牢性を検証するためにオブジェクトジオメトリを変化させる。
  論文  参考訳（メタデータ） (2026-05-29T14:28:42Z)
• KitchenTwin: Semantically and Geometrically Grounded 3D Kitchen Digital Twins [11.881796071022157]
  身体的なAIトレーニングと評価には、正確なメートル法とセマンティックグラウンドを備えたオブジェクト中心のデジタルツインが必要である。 近年のトランスフォーマーによるフィードフォワード再構成手法は, 粗いモノクロビデオから大域点雲を効率的に予測できる。 このミスマッチは、これらの次元のないクラウド予測と局所的に再構成されたオブジェクトメッシュとの信頼性の高い融合を防ぐ。
  論文  参考訳（メタデータ） (2026-03-25T18:03:45Z)
• URDF-Anything+: Autoregressive Articulated 3D Models Generation for Physical Simulation [45.4820195450296]
  本稿では,視覚的観察から実行可能なオブジェクトモデルを直接生成する,エンドツーエンドの自動回帰フレームワークを提案する。 視覚的観察から構築された高忠実度デジタル双生児は、シミュレーションで訓練されたポリシーを、オンライン適応なしで実際のロボットに転送することができる。
  論文  参考訳（メタデータ） (2026-03-14T16:23:44Z)
• Geometry OR Tracker: Universal Geometric Operating Room Tracking [61.399734016038614]
  手術室(OR)では、世界規模のマルチビュー3Dトラッキングは、外科医の行動認識のような下流のアプリケーションをサポートする。 カメラのキャリブレーションとRGB-Dの登録は常に信頼性が低く、幾何学的不整合が生じる。 我々は、不正確なキャリブレーションをスケール一貫性と幾何学的に整合したカメラ設定に修正する2段階パイプラインであるGeometry OR Trackerを紹介する。
  論文  参考訳（メタデータ） (2026-02-28T09:21:21Z)
• Robo3R: Enhancing Robotic Manipulation with Accurate Feed-Forward 3D Reconstruction [70.06600045165905]
  3D空間認識は、一般的なロボット操作の基本であるが、信頼性が高く高品質な3D形状の取得は依然として困難である。 本稿では,RGB画像やロボットの状態から直接,正確な距離スケールのシーン形状をリアルタイムで予測する操作可能な3次元再構成モデルであるRobo3Rを紹介する。 我々は、ロボット操作のためのこの代替3Dセンシングモジュールの約束を示唆し、パフォーマンスの連続的な向上を観察する。
  論文  参考訳（メタデータ） (2026-02-10T18:58:15Z)
• TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics [53.442362491589726]
  本稿では、視覚言語モデル(VLM)を幾何学コンピュータに変換する新しいフレームワークであるTIGeR(Tool-Integrated Geometric Reasoning)を提案する。 TIGeRは、ニューラルネットワーク内で複雑な幾何学的操作を内部化しようとするのではなく、幾何学的推論要求を認識するためにモデルに権限を与える。 TIGeRは、実世界のロボット操作タスクにおいて、センチメートルレベルの精度を示しながら、幾何学的推論ベンチマーク上でSOTA性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-10-08T16:20:23Z)
• 3D Foundation Models Enable Simultaneous Geometry and Pose Estimation of Grasped Objects [13.58353565350936]
  本研究では,ロボットが把握した物体の形状と姿勢を共同で推定する手法を提案する。 提案手法は,推定幾何をロボットの座標フレームに変換する。 我々は,実世界の多様な物体の集合を保持するロボットマニピュレータに対する我々のアプローチを実証的に評価した。
  論文  参考訳（メタデータ） (2024-07-14T21:02:55Z)
• Nothing But Geometric Constraints: A Model-Free Method for Articulated Object Pose Estimation [89.82169646672872]
  本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。 我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
  論文  参考訳（メタデータ） (2020-11-30T20:46:48Z)

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。