論文の概要: InterMASH: A Unified Geometric Representation for Grasp Synthesis

• arxiv url: http://arxiv.org/abs/2609.18504v1
• Date: Wed, 16 Sep 2026 11:39:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.773097
• Title: InterMASH: A Unified Geometric Representation for Grasp Synthesis
• Title（参考訳）: InterMASH:Grasp合成のための統一幾何学的表現
• Abstract要約: InterMASHは球固定アンカーを用いたクロスボディ対応を確立する統一表現である。 条件拡散変換器は、提案したInterMASH表現空間で直接動作し、手形状と接触を共同で生成する。 提案手法は,大規模シャドウHandベンチマークにおいて,鍵となる物理実現可能性指標の最先端手法と競合する性能を実現する。
• 参考スコア（独自算出の注目度）: 26.072800563409704
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Grasp synthesis aims to generate stable and physically plausible hand--object interactions, and has become a fundamental problem in both human hand modeling and robotic manipulation. However, a unified representation across human and robotic hands is still lacking, mainly due to differences in hand morphology and surface modeling. Prior methods typically rely on either contact maps or dense implicit descriptors to represent interaction, but these representations are often incomplete or computationally expensive and redundant. We propose InterMASH, a unified geometric representation that establishes cross-embodiment correspondence using sphere-fixed anchors. At each anchor, low-degree spherical harmonics compactly encode local hand geometry, object geometry, and contact, forming an explicit and interpretable token sequence. Building on this natively tokenized structure, we introduce a conditional Diffusion Transformer that operates directly in the proposed InterMASH representation space and jointly generates hand geometry and contact, improving consistency and physical plausibility. Our method achieves competitive performance with state-of-the-art methods on key physical feasibility metrics in a large-scale ShadowHand benchmark, supports joint training across multiple hands, and shows that cross-embodiment fine-tuning with human grasp data can improve robotic grasp success and diversity. Project page is available at https://inter-mash.github.io/.
• Abstract（参考訳）: Grasp合成は、安定かつ物理的にプラウティブルな手-物体の相互作用を生成することを目的としており、人手モデリングとロボット操作の両方において根本的な問題となっている。 しかしながら、人手とロボット手間の統一表現は、主に手の形態や表面のモデリングの違いにより、依然として欠落している。 従来の手法は通常、相互作用を表現するために接点マップまたは密集した暗黙の記述子に頼っているが、これらの表現は不完全あるいは計算的に高価で冗長であることが多い。 球固定アンカーを用いたクロスボデーメント対応を確立する統一幾何表現であるInterMASHを提案する。 各アンカーにおいて、低次球面調和は局所手形状、物体形状、接触をコンパクトに符号化し、明示的で解釈可能なトークン列を形成する。 このネイティブなトークン化構造に基づいて,提案したInterMASH表現空間内で直接動作し,ハンドジオメトリと接触を共同生成し,一貫性と物理的妥当性を向上させる条件付き拡散変換器を導入する。 提案手法は,大規模ShadowHandベンチマークにおける物理実現性指標の最先端手法と競合する性能を達成し,複数手間の共同トレーニングをサポートし,人間の把握データを用いたクロスエボディメント微調整により,ロボットの把握成功と多様性が向上することを示す。 プロジェクトページはhttps://inter-mash.github.io/.com/で公開されている。

関連論文リスト

• MANGO-Grasp: Mahalanobis Fields over Geometry-Oriented 3D Gaussians for Cross-Embodiment Dexterous Grasping [82.63833405368159]
  クロス・エボディメント・デキスタラス・グルーピングは、異種多指ハンド間の安定したグルーピングを、エンボディメント固有のチューニングをほとんど、あるいは全く行わずに合成することを目的としている。 物体を幾何学指向の3Dガウスプリミティブとして、ロボットハンドをモルフォキネマティックな記述子に符号化した表面キーポイントとして表現する異方性相互作用フレームワークであるMANGO-Graspを提案する。
  論文  参考訳（メタデータ） (2026-08-03T10:12:15Z)
• DCGrasp: Distance-aware Controllable Grasp Generation [64.30284326160826]
  我々は,新しいグリップエネルギー項に基づく制御可能なグリップ生成システムDCGraspを提案する。 この用語は、各ハンドから最も近いオブジェクトポイントまでの符号付き距離である距離プロファイルを計算する。 実験の結果,DCGraspはフレキシブルなユーザ制御により,高品質で物理的に妥当なグリップを生成することがわかった。
  論文  参考訳（メタデータ） (2026-06-29T08:02:02Z)
• AffordGrasp: Cross-Modal Diffusion for Affordance-Aware Grasp Synthesis [50.793806818677716]
  AffordGraspは、物理的に安定し、セマンティックに忠実な人間の握りを高精度に生成する。 AffordGraspは、手ポーズの空きを意識した潜在表現を二重条件拡散プロセスに統合する。 AffordGraspはHO-3D, OakInk, GRAB, AffordPoseの4つの命令強化ベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-03-09T06:56:35Z)
• UniHM: Unified Dexterous Hand Manipulation with Vision Language Model [39.2419824041854]
  身体的に実現可能な器用な手操作を計画することは、ロボット操作と身体的AIにおける中心的な課題である。 自由形式の言語コマンドで案内される手操作を統一する最初のフレームワークであるUniHMを紹介する。
  論文  参考訳（メタデータ） (2026-02-28T16:37:11Z)
• UniMorphGrasp: Diffusion Model with Morphology-Awareness for Cross-Embodiment Dexterous Grasp Generation [63.13144787866563]
  クロス・エボディメント・グルーピングは、異種キネマティック構造を持つロボットハンドに対して、安定かつ多様なグルーピングを生成することを目的としている。 ハンドモーフィック情報をグリップ生成プロセスに組み込んだ拡散型フレームワークである textbfUniMorphGrasp を提案する。 UniMorphGraspは、既存のデクスタラスグリップベンチマークで最先端のパフォーマンスを達成し、以前は目に見えない手の構造に対して強力なゼロショットの一般化を示す。
  論文  参考訳（メタデータ） (2026-01-31T21:56:16Z)
• CEDex: Cross-Embodiment Dexterous Grasp Generation at Scale from Human-like Contact Representations [53.37721117405022]
  クロス・エボディメント・デキスタラス・グリップ合成(Cross-Embodiment dexterous grasp synthesis)とは、様々なロボットハンドのグリップを適応的に生成し、最適化することである。 そこで我々は,CEDexを提案する。 これまでで最大のクロス・エボディメント・グラウンド・データセットを構築し、合計20万のグリップを持つ4つのタイプにまたがる500万のオブジェクトからなる。
  論文  参考訳（メタデータ） (2025-09-29T12:08:04Z)
• G-HOP: Generative Hand-Object Prior for Interaction Reconstruction and Grasp Synthesis [57.07638884476174]
  G-HOPは手-対象相互作用の前駆体である。 人手は骨格距離場を介して表現し、物体の符号付き距離場と整合した表現を得る。 この手動物体は、対話クリップからの再構成や人間のつかみ合成など、他の作業を容易にするための汎用的なガイダンスとして機能することを示す。
  論文  参考訳（メタデータ） (2024-04-18T17:59:28Z)
• GEARS: Local Geometry-aware Hand-object Interaction Synthesis [38.75942505771009]
  本研究では, 相互作用領域近傍の局所物体形状を推定するための, 結合中心型センサを提案する。 学習の複雑さを軽減するための重要なステップとして、グローバルフレームからテンプレートハンドフレームにポイントを変換し、共有モジュールを使用して各関節のセンサ特徴を処理する。 これに続いて、異なる次元の関節間の相関を捉えることを目的とした知覚時間変換ネットワークが提供される。
  論文  参考訳（メタデータ） (2024-04-02T09:18:52Z)

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。