論文の概要: FunArt: Decoding Functional Structure and Articulation from Generative 3D Latents

• arxiv url: http://arxiv.org/abs/2609.20673v1
• Date: Thu, 17 Sep 2026 16:48:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.378045
• Title: FunArt: Decoding Functional Structure and Articulation from Generative 3D Latents
• Title（参考訳）: FunArt: 生成3次元潜在物質から機能構造とアーティキュレーションをデコードする
• Abstract要約: 本稿では,FunArtについて述べる。FunArtは,機能的な3Dシーングラフを構築するフレームワークである。 FunArtはオブジェクトのインスタンスを再構成し、融合した幾何を直接TRELLIS.2のO-Voxel表現に変換する。 軽量なクエリベースのデコーダは、コンパクトなオブジェクトレベルのラテントと密集した表面整列機能を組み合わせて、可動部分と機能的インタラクティブ要素を結合的に分割する。
• 参考スコア（独自算出の注目度）: 1.65332879513347
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: To operate effectively in human environments, robots must identify articulated objects, segment their movable and interactive parts, and estimate their kinematic models. Existing articulated scene representations typically recover kinematics from observed interactions, while methods operating on static scans often decouple articulation from functional interactive elements. We present FunArt, a framework that constructs articulation-aware functional 3D scene graphs from posed RGB-D observations captured in a single static configuration. FunArt reconstructs object instances, converts their fused geometry directly into the O-Voxel representation of TRELLIS.2, and exploits its frozen, sparse-compression VAE as a structural prior. A lightweight query-based decoder combines compact object-level latents with dense, surface-aligned features to jointly segment movable parts and functional interactive elements while estimating motion type, axis, origin, and range. On the Articulate3D dataset, FunArt achieves state-of-the-art performance across movable-part segmentation, articulation estimation, and functional-element segmentation, both with and without ground-truth object input. In the end-to-end setting, it outperforms the strongest baselines by 1.5 AP_{50} points for movable parts, 2.8 AP_{50} points under joint origin-and-axis constraints, and 6.7 AP_{50} points for functional elements. These results demonstrate that generative 3D latents encode actionable structural cues that can initialize robotic perception and planning before physical interaction.
• Abstract（参考訳）: 人間の環境で効果的に動作するためには、ロボットは関節のある物体を識別し、可動部と対話部を分割し、運動モデルの推定を行う必要がある。 既存のシーン表現は、通常、観察された相互作用からキネマティクスを回復するが、静的スキャンで動作するメソッドは、しばしば機能的な対話的要素から調音を分離する。 本研究では,1つの静的な構成で取得したRGB-D観測結果から,音声対応の3Dシーングラフを構築するフレームワークであるFunArtを提案する。 FunArtはオブジェクトのインスタンスを再構築し、融合した幾何学をTRELLIS.2のO-Voxel表現に変換する。 軽量なクエリベースのデコーダは、動きタイプ、軸、起源、範囲を推定しながら、コンパクトなオブジェクトレベルの潜伏体と、密集した表面整列特徴を結合して、可動部と機能的インタラクティブ要素を結合的に分割する。 Articulate3Dデータセットでは、FunArtは可動部セグメンテーション、調音推定、機能要素セグメンテーションにまたがる最先端のパフォーマンスを達成する。 エンド・ツー・エンドの設定では、可動部分に対して1.5 AP_{50} 点、2.8 AP_{50} 点が結合原軸制約下で、6.7 AP_{50} 点が機能的要素に対して最強となる。 これらの結果から, ロボットの知覚・計画を物理的相互作用の前に初期化できる, 動作可能な構造的手がかりをコードする生成型3D潜伏剤が示唆された。

関連論文リスト

• Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces [116.57196064763924]
  我々は、高密度テーブルトップオブジェクトと明示的なマルチレベル機能関係を導入することで、ベンチマークカバレッジを拡大する。 この研究は、小規模、高密度、および類似のインスタンスにかかわる重要な課題を提起する。 2次元視覚的グラウンドリングと3次元グラフ最適化に基づくオープン語彙パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-05-15T09:14:50Z)
• ArtLLM: Generating Articulated Assets via 3D LLM [19.814132638278547]
  ArtLLMは、完全な3Dメッシュから直接高品質な調音資産を生成するための新しいフレームワークである。 コアとなるのは,大規模な調音データセットに基づいてトレーニングされた,3Dマルチモーダルな大規模言語モデルだ。 実験の結果,ArtLLMは部品配置精度と接合予測の両方で最先端の手法を著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2026-03-01T15:07:46Z)
• 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)
• PAct: Part-Decomposed Single-View Articulated Object Generation [45.04652409374895]
  アーティキュレートされたオブジェクトは、AI、ロボティクス、VR/ARなど、インタラクティブな3Dアプリケーションの中心である。 明示的な部分認識条件下で部分幾何学, 構成, 調音を合成する, 調音オブジェクト生成のための部分中心生成フレームワークを提案する。 我々の表現は、オブジェクトを可動部品の集合としてモデル化し、それぞれ、部品のアイデンティティと調音の手がかりを付加した潜在トークンで符号化する。
  論文  参考訳（メタデータ） (2026-02-16T17:45:44Z)
• ArtiSG: Functional 3D Scene Graph Construction via Human-demonstrated Articulated Objects Manipulation [51.54082859171464]
  ArtiSGは、人間のデモを構造化されたロボットメモリにエンコードすることで、機能的な3Dシーングラフを構築するフレームワークである。 本研究では,ArtiSGが機能的要素リコールおよび調音推定精度において,ベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-12-31T13:10:40Z)
• REACT3D: Recovering Articulations for Interactive Physical 3D Scenes [96.27769519526426]
  REACT3Dは静的な3Dシーンを一貫した幾何学を持つシミュレーション可能なインタラクティブなレプリカに変換するフレームワークである。 室内の様々な場面における検出・分離・調音計測における最先端性能について検討した。
  論文  参考訳（メタデータ） (2025-10-13T12:37:59Z)
• IAAO: Interactive Affordance Learning for Articulated Objects in 3D Environments [56.85804719947]
  IAAOは知的エージェントのための明示的な3Dモデルを構築するフレームワークで,対話を通して環境内の明瞭な物体の理解を得る。 マスク特徴とビュー一貫性ラベルを多視点画像から抽出し,まず3次元ガウススティング(3DGS)を用いて各オブジェクト状態の階層的特徴とラベルフィールドを構築する。 次に、3Dガウスプリミティブ上でオブジェクトと部分レベルのクエリを実行し、静的および明瞭な要素を識別し、大域的な変換と局所的な調音パラメータをアベイランスとともに推定する。
  論文  参考訳（メタデータ） (2025-04-09T12:36:48Z)

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。