論文の概要: ArtManip: Category-Level Articulated In-Hand Manipulation
- arxiv url: http://arxiv.org/abs/2609.12498v1
- Date: Fri, 11 Sep 2026 06:59:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.647041
- Title: ArtManip: Category-Level Articulated In-Hand Manipulation
- Title（参考訳）: ArtManip: カテゴリーレベルArticulated In-Hand Manipulation
- Abstract要約: 調音された物体のカテゴリーレベルの手動操作は、ロボットハンドにとって恐ろしくも過小評価されていない課題である。
ArtManipは、オブジェクトインスタンス全体と多様な初期的把握を一般化する、最初のカテゴリレベルの手動操作手法である。
- 参考スコア（独自算出の注目度）: 38.430290236289004
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Category-level in-hand manipulation of articulated objects is a formidable yet underexplored challenge for dexterous robotic hands. This difficulty stems from two core bottlenecks: first, controlling an object's internal degrees of freedom is tightly coupled with maintaining grasp stability on a free-floating base; second, acquiring diverse object models and functional grasps at scale is highly labor-intensive, yet vital for generalization given the system's sensitivity to initial configurations. In this work, we present ArtManip, the first category-level articulated in-hand manipulation method that generalizes across object instances and diverse initial grasps. For initial configuration construction, we develop an automated pipeline that procedurally generates diverse articulated objects and synthesizes task-oriented functional grasps. For policy learning, we propose a robust two-stage training strategy that incorporates articulation physics randomization, reward curriculum, and latent representation distillation to handle complex contact and joint dynamics during deployment. Extensive experiments across four object categories demonstrate that our policy generalizes to unseen instances and varied configurations in simulation, and achieves zero-shot transfer to 12 real-world objects featuring diverse shapes and joint mechanics.
- Abstract（参考訳）: 調音された物体のカテゴリーレベルの手動操作は、器用なロボットの手にとって、恐ろしくも過小評価されていない課題である。
この難しさは2つの中核的ボトルネックに起因している: まず、物体の内部自由度を制御することは、自由フローティングベースにおける把握安定性の維持と密結合である; 第二に、多様なオブジェクトモデルとスケールでの機能的把握は、非常に労働集約的であるが、システムの初期構成に対する感受性を考えると、一般化には不可欠である。
本研究では,オブジェクトインスタンス全体と多様な初期把握を一般化する,最初のカテゴリレベルの手動操作手法であるArtManipを提案する。
初期構成構築のために,多種多様な調音オブジェクトを手続き的に生成し,タスク指向の機能的把握を合成する自動パイプラインを開発する。
政策学習において, 複雑な接触や関節力学を扱うために, 調音物理ランダム化, 報酬カリキュラム, 潜在表現蒸留を取り入れた2段階の堅牢な訓練戦略を提案する。
4つの対象カテゴリにわたる広範囲な実験により、我々のポリシーは、シミュレーションにおいて目に見えないインスタンスや様々な構成に一般化され、多様な形状と関節力学を特徴とする12の現実世界オブジェクトへのゼロショット転送が達成されることを示した。
関連論文リスト
- GIRAF: Towards Generalizable Human Interactions with Articulated Objects [50.52795413484619]
そこで本論文では,テキスト条件付き拡散モデルについて述べる。
提案手法は、現在最先端の手法を超越して、未確認のオブジェクト構成に強い一般化を示した。
論文 参考訳（メタデータ） (2026-07-08T19:30:44Z) - HeteroGenManip: Generalizable Manipulation For Heterogeneous Object Interactions [23.788389187142446]
クロスタイプオブジェクトインタラクションを含む一般化可能な操作は、ロボティクスにおいて決定的だが難しい能力である。
既存の基盤モデルに基づくアプローチは、しばしば、これらのステージの区別を曖昧にするエンドツーエンドの学習を採用する。
We propose HeteroGenManip, a task-conditioned, two-stage framework designed to deouple initial grasp from complex interaction execution。
論文 参考訳（メタデータ） (2026-05-11T08:48:02Z) - Learning Generalizable Hand-Object Tracking from Synthetic Demonstrations [71.15185260689928]
本研究では,人間による実演を必要とせず,合成データから汎用的な手動物体追跡制御系を学習するシステムを提案する。
提案手法は,(1)多種多様な対象物軌跡を合成可能なハンドオブジェクトプランナであるHOPと,(2)強化学習と相互作用模倣学習を通じて合成と物理の伝達をブリッジするハンドオブジェクトトラッカーであるHOTの2つの重要な貢献を行う。
論文 参考訳（メタデータ） (2025-12-22T17:08:54Z) - Kinematify: Open-Vocabulary Synthesis of High-DoF Articulated Objects [59.51185639557874]
本稿では,任意のRGB画像やテキスト記述から直接音声オブジェクトを合成するフレームワークであるKinematifyを紹介する。
提案手法は, 高DoFオブジェクトに対する運動的トポロジの推測と静的幾何からの関節パラメータの推定という2つの課題に対処する。
論文 参考訳（メタデータ） (2025-11-03T07:21:42Z) - Adaptive Articulated Object Manipulation On The Fly with Foundation Model Reasoning and Part Grounding [18.52792284421002]
アーティキュレートされたオブジェクトは、さまざまな操作課題をロボットにもたらす。
内部構造は直接観測できないため、ロボットは操作軌道を生成するために適応的に動作を探索し、洗練する必要がある。
AdaRPGは、基礎モデルを利用してオブジェクトを抽出する新しいフレームワークで、オブジェクト全体よりも局所的な幾何学的類似性を示す。
論文 参考訳（メタデータ） (2025-07-24T10:25:58Z) - Twisting Lids Off with Two Hands [82.21668778600414]
シミュレーションで訓練された政策を実世界へ効果的かつ効率的に移行する方法を示す。
具体的には,ボトル状物体の蓋を両手でねじる問題について考察する。
これは、バイマガル・マルチフィンガーハンドでそのような機能を実現する最初のsim-to-real RLシステムである。
論文 参考訳（メタデータ） (2024-03-04T18:59:30Z) - Transferring Foundation Models for Generalizable Robotic Manipulation [82.12754319808197]
インターネット規模の基盤モデルによって生成された言語推論セグメンテーションマスクを効果的に活用する新しいパラダイムを提案する。
提案手法は,オブジェクトのポーズを効果的かつ堅牢に知覚し,サンプル効率のよい一般化学習を可能にする。
デモは提出されたビデオで見ることができ、より包括的なデモはlink1またはlink2で見ることができます。
論文 参考訳（メタデータ） (2023-06-09T07:22:12Z)
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。