論文の概要: RoboCousin: Build Your Own Simulation Playground for Robust Bimanual Robotic Manipulation
- arxiv url: http://arxiv.org/abs/2609.08339v1
- Date: Tue, 08 Sep 2026 07:13:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.603454
- Title: RoboCousin: Build Your Own Simulation Playground for Robust Bimanual Robotic Manipulation
- Title（参考訳）: RoboCousin:ロバストなロボットマニピュレーションのためのシミュレーションプレイグラウンド
- Abstract要約: 双方向操作ポリシーは、大規模で多様なトレーニングデータセットを必要とする。
既存のパイプラインは通常、クローズドアセットライブラリと事前に定義されたシーン内で動作します。
本稿ではシミュレーションベースのデータ生成プラットフォームであるRoboCousinを紹介する。
- 参考スコア（独自算出の注目度）: 16.581929671943325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bimanual manipulation policies require large and diverse training datasets, yet collecting demonstrations on physical robots is expensive and difficult to scale. Simulation can generate data efficiently, but existing pipelines typically operate within closed asset libraries and predefined scenes: adding a newly observed object or environment still requires substantial effort to reconstruct geometry, specify physical and semantic properties, annotate interactions, and integrate the result into executable tasks. We present RoboCousin, an extensible simulation-based data-generation platform that turns user-provided observations into reusable assets, scenes, and expert trajectories for bimanual manipulation. Built on RoboTwin~2.0, RoboCousin converts object images into simulation-ready assets with visual and collision geometry, semantic and physical metadata, and automatically generated grasp-contact candidates. It further constructs digital cousins that vary compatible objects, backgrounds, layouts, and language instructions while preserving task-relevant affordances and spatial relations. The same asset system supports tabletop and room-level scene construction, with collision-aware base control for interaction beyond a fixed workspace. We release RoboCousin-OBD, containing more than 3,000 annotated object instances and 50 background environments, and use RoboCousin to generate over one million expert trajectories across 50 tasks. Simulation and real-robot experiments show that the automatically generated interaction annotations are comparable to curated annotations, generated assets provide effective sim-to-real supervision, and tabletop cousins can improve transfer beyond training on a single reconstructed scene. RoboCousin therefore provides a practical path for expanding both the scale and coverage of synthetic bimanual manipulation data.
- Abstract（参考訳）: 双方向操作ポリシでは,大規模かつ多様なトレーニングデータセットを必要とするが,物理ロボットのデモ収集は高価で,スケールが難しい。
シミュレーションは効率的にデータを生成することができるが、既存のパイプラインは通常、閉じた資産ライブラリや事前に定義されたシーンで運用される。
我々は、拡張可能なシミュレーションベースのデータ生成プラットフォームであるRoboCousinを紹介します。
RoboTwin~2.0上に構築されたRoboCousinは、オブジェクトイメージを視覚的および衝突幾何学、セマンティックおよび物理メタデータを備えたシミュレーション可能なアセットに変換し、自動生成のグリップコンタクト候補を生成する。
さらに、タスク関連価格と空間関係を保ちながら、互換性のあるオブジェクト、バックグラウンド、レイアウト、言語命令を変えるデジタル従兄弟を構築する。
同じアセットシステムは、テーブルトップとルームレベルのシーン構築をサポートし、固定されたワークスペースを超えたインタラクションのための衝突認識ベース制御を提供する。
3000以上のアノテーション付きオブジェクトインスタンスと50のバックグラウンド環境を含むRoboCousin-OBDをリリースした。
シミュレーションと実ロボット実験により、自動生成されたインタラクションアノテーションは、キュレートされたアノテーションに匹敵するものであり、生成されたアセットは、効果的なsim-to-realの監督を提供し、テーブルトップのいとこは、単一の再構成シーンでのトレーニング以上の移行を改善することができることを示した。
そのため、RoboCousinは、合成バイマニュアル操作データのスケールとカバレッジを拡大するための実践的なパスを提供する。
関連論文リスト
- TableVerse: A Large-scale Tabletop Dataset with Real-world Grounded Layouts for Generalizable Manipulation [11.161552039605253]
TableVerseは完全に自動化されたReal2Simパイプラインで、インターネットメディアを高忠実でシミュレーション可能なテーブルトップ環境に処理する。
本フレームワークは,インターネットメディアを高忠実でシミュレーション可能なテーブルトップ環境にシームレスに処理し,正確な計量スケール,真のトポロジ,検証された機械的安定性を実現する。
多様な資産構成、現実的な空間分布、高品質なデモンストレーションをキャプチャすることで、TableVerse-100Kは高度にスケーラブルで高忠実なデータ基盤を確立する。
論文 参考訳（メタデータ） (2026-07-23T08:02:53Z) - 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) - GASE: Gaussian Splatting-Based Automated System for Reconstructing Embodied-Simulation Environments [63.222920701596564]
実世界での実施エージェントの訓練には熟練したオペレーターと高価なハードウェアが必要である。
シミュレーション環境は、大規模で費用対効果の高いデータ拡張を可能にすることで、魅力的な代替手段を提供する。
シミュレーションシーンを最小限のsim-to-realギャップで高速に構築することは、ロボット学習において重要な目標となっている。
論文 参考訳（メタデータ） (2026-06-16T05:00:42Z) - AnnotateAnything: Automatic Annotation of 3D Assets for Robot Manipulation [37.64142499431465]
AnnotateAnythingは、パッシブな3Dアセットを構造化され多様な実行可能な操作ラベルを持つ操作可能なアセットに変換する。
完全に自動化され、非常に並列な物理パイプラインは、各アセットの幾何学的制約と物理的制約にこれらの前提を定めている。
このパイプラインは、グリップポーズ、デクスタラスコンタクト、調音経路ポイント、挿入方向、吊り下げ時間、ナビゲーションターゲットなど、多種多様な実行可能なアノテーションを生成する。
論文 参考訳（メタデータ） (2026-06-16T03:00:58Z) - V-Dreamer: Automating Robotic Simulation and Trajectory Synthesis via Video Generation Priors [30.872127145725187]
V-Dreamerは、オープン語彙でシミュレーション可能な操作環境を生成する、完全に自動化されたフレームワークである。
V-Dreamerは、物理的に接地された3Dシーンを構成する新しい生成パイプラインを使用している。
我々は,本ポリシーがシミュレーションにおいて未確認オブジェクトに対して堅牢に一般化し,効率的なsim-to-real転送を実現することを示す。
論文 参考訳（メタデータ） (2026-03-19T12:00:04Z) - Articulated 3D Scene Graphs for Open-World Mobile Manipulation [55.97942733699124]
本報告では, セマンティックな3次元シーングラフを構築するためのフレームワークであるMoMa-SGについて述べる。
新たな統合的ツイスト推定法を用いて調音モデルを推定する。
また,Arti4D-Semanticデータセットについても紹介する。
論文 参考訳（メタデータ） (2026-02-18T10:40:35Z) - SceneSmith: Agentic Generation of Simulation-Ready Indoor Scenes [19.995619927680476]
SceneSmithは、建築レイアウトから天然家具の人口まで、環境を構築する。
SceneSmithは従来の方法よりも多くのオブジェクトを生成し、2%のオブジェクト間衝突と96%のオブジェクトは物理シミュレーションの下で安定している。
SceneSmith環境は、エンドツーエンドのパイプラインで、自動ポリシ評価に使用することができる。
論文 参考訳（メタデータ） (2026-02-09T19:56:04Z) - MobileManiBench: Simplifying Model Verification for Mobile Manipulation [70.30578259859512]
MobileManiBenchは、モバイルベースのロボット操作のための大規模なベンチマークである。
MobileManiBenchには、2つのモバイルプラットフォーム(パラレルグリッパーとデキソラスハンドロボット)、2つの同期カメラ(頭と右手首)、630のオブジェクト(オープン、クローズ、プル、プッシュ、ピック)、5つのスキル(オープン、クローズ、プッシュ、ピック)、100以上のタスクが現実的なシーンで実行される。
論文 参考訳（メタデータ） (2026-02-05T02:49:52Z) - 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) - URDF-Anything: Constructing Articulated Objects with 3D Multimodal Language Model [76.08429266631823]
3次元マルチモーダル大言語モデル(MLLM)に基づくエンドツーエンドの自動再構築フレームワークを提案する。
URDF-Anythingは、ポイントクラウドとテキストマルチモーダル入力に基づく自己回帰予測フレームワークを使用して、幾何学的セグメンテーションと運動論的パラメータ予測を協調的に最適化する。
シミュレーションと実世界の両方のデータセットの実験は、我々の手法が既存の手法よりも大幅に優れていることを示した。
論文 参考訳（メタデータ） (2025-11-02T13:45:51Z) - RoboPearls: Editable Video Simulation for Robot Manipulation [81.18434338506621]
RoboPearlsは、ロボット操作のための編集可能なビデオシミュレーションフレームワークである。
3D Gaussian Splatting (3DGS)に基づいて構築されたRoboPearlsは、フォトリアリスティックでビュー一貫性のあるシミュレーションの構築を可能にする。
我々は、RLBench、COLOSSEUM、Ego4D、Open X-Embodiment、現実世界のロボットなど、複数のデータセットやシーンで広範な実験を行う。
論文 参考訳（メタデータ） (2025-06-28T05:03:31Z)
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。