論文の概要: Grasping by interconnection: robust closing motions from coarse object templates

• arxiv url: http://arxiv.org/abs/2609.19228v1
• Date: Wed, 16 Sep 2026 14:41:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.95595
• Title: Grasping by interconnection: robust closing motions from coarse object templates
• Title（参考訳）: 相互接続によるグラッピング:粗い物体テンプレートからの頑健な閉運動
• Abstract要約: 劣悪なロボットの手は、形状、大きさ、ポーズがほとんど知られていない物体をつかむ必要がある。 本稿では,閉運動が単独でどれだけ不正確かという問題に対処する4つの原理に基づく運動プランナを提案する。 フィードバックなしでは、計画された閉鎖運動は、約1cmの大きさの誤差を許容し、数cmの誤差を生じさせ、27の試験条件のうち25の試験条件において、最先端のデータ駆動プランナーよりも広い範囲に到達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Dexterous robot hands must often grasp objects whose shape, size, and pose are known only approximately. Grasp planners typically require accurate object models or correct errors with feedback, but how much inaccuracy a closing motion can tolerate on its own remains unclear. To address this question, we designed a motion planner based on four principles: a coarse template of the object, human grasp types, an object-centric interaction, and compliant, sliding contacts instead of prescribed contact points. This paper presents the planner, implemented through virtual model control, and its evaluation on a Shadow Dexterous Hand. Without feedback, the planned closing motions tolerated size errors of about 1cm and pose errors of several centimeters and tens of degrees, a wider range than a state-of-the-art data-driven planner in 25 of 27 tested conditions. They also grasped 82.5% of 80 everyday objects and succeeded within an autonomous pipeline. Robustness can thus be designed into the closing motion itself, rather than left only to feedback. This planner opens a path toward reliable manipulation in uncertain settings, which we will pursue by combining it with adaptive feedback control on the physical hand.
• Abstract（参考訳）: 劣悪なロボットの手は、形状、大きさ、ポーズがほとんど知られていない物体をつかむ必要がある。 グラフプランナーは通常、正確なオブジェクトモデルやフィードバックによる正しいエラーを必要とするが、クローズドモーションがどれだけ不正確かは、それ自身で許容できるかは定かではない。 そこで我々は,物体の粗いテンプレート,人間のつかみタイプ,オブジェクト中心のインタラクション,および所定の接触点の代わりに適合したスライドコンタクトの4つの原理に基づいて,運動プランナを設計した。 本稿では,仮想モデル制御により実装されたプランナとそのシャドウデキステラスハンドによる評価について述べる。 フィードバックなしでは、計画された閉鎖運動は、約1cmの大きさの誤差を許容し、数cmの誤差を生じさせ、27の試験条件のうち25の試験条件において、最先端のデータ駆動プランナーよりも広い範囲に到達した。 また、80の日常的なオブジェクトの82.5%を把握し、自律的なパイプライン内で成功した。 したがって、ロバスト性はフィードバックのみに留まらず、閉じる動作自体に設計することができる。 このプランナーは、不確実な環境下での信頼性の高い操作への道を開き、物理的手における適応的なフィードバック制御と組み合わせて追求する。

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)
• ComPose: When to Trust Hands for Object Pose Tracking [44.085148707189035]
  ComPoseは、6DoFオブジェクトトラッキングフレームワークで、RGBビデオから手動でオブジェクトのポーズを推定するように設計されている。 本手法は,物体追跡のためのテキスト補完キューとして手の動きを調和させる。 結果は、ロボットがオンラインビデオから人間の行動を再構築できるようにすることで、下流ロボット操作に効果的に移行することができる。
  論文  参考訳（メタデータ） (2026-05-22T11:39:49Z)
• 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)
• Controllable Human-Object Interaction Synthesis [77.56877961681462]
  本研究では,3次元シーンにおける同期物体の動きと人間の動きを生成するための制御可能な人間-物体相互作用合成(CHOIS)を提案する。 ここでは,高レベルな計画から効果的に抽出できるスタイルや意図を言語記述が通知し,シーン内の動きをグラウンド化する。 我々のモジュールは経路計画モジュールとシームレスに統合され、3D環境における長期的相互作用の生成を可能にします。
  論文  参考訳（メタデータ） (2023-12-06T21:14:20Z)
• Deformer: Dynamic Fusion Transformer for Robust Hand Pose Estimation [59.3035531612715]
  既存の方法では、手のこもりが強かったり、ぼやけたりすると、手のポーズが難しい場合が多い。 ビデオでは、手の動きによって、片方のフレームに隠されたり、ぼやけたりして、手のさまざまな部分を観察することができる。 画像内の手の部分間の関係を暗黙的に推論するフレームワークであるDeformerを提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:24:30Z)
• Planning Visual-Tactile Precision Grasps via Complementary Use of Vision and Touch [9.31776719215139]
  そこで本研究では,指先が対象物表面と接触すべき場所について,明確な理由を解明する手法を提案する。 提案手法の成功の鍵は,接触制約を符号化するための初期計画に視覚面推定を用いることである。 提案手法は,1つのカメラビューからの表面推定値を用いて,これまで見つからなかった物体に対して,精度の高いグリップを合成し,実行可能であることを示す。
  論文  参考訳（メタデータ） (2022-12-16T17:32:56Z)
• Measuring Generalisation to Unseen Viewpoints, Articulations, Shapes and Objects for 3D Hand Pose Estimation under Hand-Object Interaction [137.28465645405655]
  HANDS'19は、現在の3Dハンドポーズ推定器(HPE)がトレーニングセットのポーズを補間し、外挿する能力を評価するための課題である。 本研究では,最先端手法の精度が低下し,トレーニングセットから外れたポーズでほとんど失敗することを示す。
  論文  参考訳（メタデータ） (2020-03-30T19:28:13Z)

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。