論文の概要: FoldNet++: a Large-Scale Synthetic Dataset for Robotic T-Shirt Folding and Unfolding

• arxiv url: http://arxiv.org/abs/2609.12433v1
• Date: Fri, 11 Sep 2026 04:43:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.62383
• Title: FoldNet++: a Large-Scale Synthetic Dataset for Robotic T-Shirt Folding and Unfolding
• Title（参考訳）: FoldNet++: ロボットTシャツの折り畳みと展開のための大規模合成データセット
• Abstract要約: ロボットTシャツの折り畳みおよび展開のための大規模合成データセットを提案する。 我々は、統一されたルールベースのフレームワークを用いて、異なるロボティクスの操作デモを生成する。 実験の結果、人工データのみにトレーニングされたモデルは、90%以上のエンドツーエンドのタスク成功率を達成できることがわかった。
• 参考スコア（独自算出の注目度）: 10.983573449935447
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the highly deformable nature of garments, training a generalizable policy for robotic T-shirt folding and unfolding remains a significant challenge. In this work, we present a large-scale synthetic dataset for robotic T-shirt folding and unfolding, covering 6 robotic embodiments, 1K T-shirts, 1K environmental assets, and 120K episodes with rich annotations, which can be used to train a wide range of manipulation policies. We first follow the FoldNet pipeline to generate a large-scale dataset of physically simulatable T-shirts with diverse appearances and annotated semantic keypoints. Based on these semantic keypoints, we then generate manipulation demonstrations for different robotic embodiments through a unified rule-based framework. We use these demonstrations to train visuomotor policies, and experimental results demonstrate that models trained solely on our synthetic data can achieve over 90\% end-to-end task success rates when directly deployed to unseen real-world environments and previously unseen T-shirts from arbitrary initial configurations. Project URL: https://pku-epic.github.io/FoldNetXX/.
• Abstract（参考訳）: 衣服の高度に変形可能な性質のため、ロボットTシャツの折り畳みと折り畳みに関する一般的な方針の訓練は依然として重要な課題である。 本研究では,ロボットTシャツの折り畳みと折り畳みのための大規模合成データセットを提案する。6つのロボットエボディメント,1K Tシャツ,1K環境アセット,120Kエピソードをリッチアノテーションでカバーし,幅広い操作ポリシーのトレーニングに使用できる。 まずFoldNetパイプラインに従い、様々な外観と注釈付きセマンティックキーポイントを持つ物理的にシミュラブルなTシャツの大規模なデータセットを生成する。 これらのセマンティックキーポイントに基づいて、統一されたルールベースのフレームワークにより、異なるロボットの実施形態に対する操作デモを生成する。 実環境に直接配置し、それまでは任意の初期設定から見られなかったTシャツを使用すれば、合成データのみに基づいてトレーニングされたモデルが、90%以上のエンドツーエンドタスクの成功率を達成できることを示す実験結果が得られた。 プロジェクトURL:https://pku-epic.github.io/FoldNetXX/。

関連論文リスト

• Efficient Sim-to-Real Transfer of World-Action Models from Synthetic Priors [15.482859998546985]
  本研究では, 実世界において, 合成先行から世界行動モデルを訓練し, ゼロショットを展開できるかどうかを考察する。 我々は、広範囲なドメインランダム化を伴うシミュレーション環境を構築し、AnyTaskモーションプランニングパイプラインを使用してデモを生成する。 Franka Robotにゼロショットをデプロイすると、われわれのポリシーは平均的な成功率35%に達する。
  論文  参考訳（メタデータ） (2026-06-30T03:49:31Z)
• UltraDexGrasp: Learning Universal Dexterous Grasping for Bimanual Robots with Synthetic Data [70.96218513410454]
  両面ロボットを用いた普遍的デクスタラスグリップのためのフレームワークであるUltraDexGraspを紹介する。 提案したデータ生成パイプラインは、最適化に基づくグリップ合成と計画に基づくデモ生成を統合する。 我々はUltraDexGrasp-20Mに基づいて、点雲を入力とし、一方向の注意を通してシーン特徴を集約し、制御コマンドを予測する、シンプルで効果的な把握ポリシーを開発した。
  論文  参考訳（メタデータ） (2026-03-05T15:54:21Z)
• Large Video Planner Enables Generalizable Robot Control [117.49024534548319]
  汎用ロボットは、様々なタスクや環境にまたがって一般化する意思決定モデルを必要とする。 最近の研究は、マルチモーダル大言語モデル(LM)をアクション出力で拡張し、視覚-アクション(VLA)システムを構築することで、ロボット基盤モデルを構築している。 本稿では,ロボット基礎モデル構築における主要なモダリティとして,大規模ビデオ事前学習を用いるための代替パラダイムについて検討する。
  論文  参考訳（メタデータ） (2025-12-17T18:35:54Z)
• FoldNet: Learning Generalizable Closed-Loop Policy for Garment Folding via Keypoint-Driven Asset and Demonstration Synthesis [9.22657317122778]
  本稿では,ロボット衣服の折り畳みに使用できる合成衣料データセットを提案する。 我々はシミュレーションで折りたたみデモを生成し、クローズドループ模倣学習によって折りたたみポリシーを訓練する。 KG-DAggerはモデルのパフォーマンスを大幅に改善し、現実世界の成功率を25%向上させた。
  論文  参考訳（メタデータ） (2025-05-14T03:34:30Z)
• Polaris: Open-ended Interactive Robotic Manipulation via Syn2Real Visual Grounding and Large Language Models [53.22792173053473]
  我々はPolarisという対話型ロボット操作フレームワークを紹介した。 ポラリスはGPT-4と接地された視覚モデルを利用して知覚と相互作用を統合する。 本稿では,Syn2Real(Synthetic-to-Real)ポーズ推定パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-08-15T06:40:38Z)
• UniFolding: Towards Sample-efficient, Scalable, and Generalizable Robotic Garment Folding [53.38503172679482]
  UniFoldingは、服の折り畳みと折り畳みを行うための、サンプル効率が高く、スケーラブルで、汎用的なロボットシステムである。 UniFoldingは提案されたUFONetニューラルネットワークを使用して、展開決定と折り畳み決定を単一のポリシーモデルに統合する。 このシステムは、長袖のシャツと短袖のシャツの2種類の衣服でテストされている。
  論文  参考訳（メタデータ） (2023-11-02T14:25:10Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Imitating Task and Motion Planning with Visuomotor Transformers [71.41938181838124]
  タスク・アンド・モーション・プランニング(TAMP)は、多様なデモンストレーションの大規模なデータセットを自律的に生成できる。 本研究では,TAMPスーパーバイザが生成する大規模データセットと,それらに適合するフレキシブルトランスフォーマーモデルの組み合わせが,ロボット操作の強力なパラダイムであることを示す。 我々は,TAMPエージェントを模倣して大規模ビジュモータトランスフォーマーポリシーを訓練する OPTIMUS という新しい模倣学習システムを提案する。
  論文  参考訳（メタデータ） (2023-05-25T17:58:14Z)
• Learning Fabric Manipulation in the Real World with Human Videos [10.608723220309678]
  ファブリック操作は、巨大な状態空間と複雑な力学のため、ロボット工学における長年の課題である。 従来の手法のほとんどはシミュレーションに大きく依存しており、依然として変形可能な物体の大きなsim-to-realギャップによって制限されている。 有望な代替手段は、人間がタスクを実行するのを見ることから直接布地操作を学ぶことである。
  論文  参考訳（メタデータ） (2022-11-05T07:09:15Z)
• From Play to Policy: Conditional Behavior Generation from Uncurated Robot Data [18.041329181385414]
  Conditional Behavior Transformer (C-BeT) は、動作変換器のマルチモーダル生成能力と将来の目標仕様を組み合わせた手法である。 C-BeTは、プレイデータから学ぶための最先端の研究を平均45.7%改善している。 プレイデータから実世界のロボットで有用なタスク中心の振る舞いを学習できることを初めて実証する。
  論文  参考訳（メタデータ） (2022-10-18T17:59:55Z)

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。