論文の概要: 2nd Place Solution to the HANDS 2026 Workshop Challenge-Dexterous Grasp Motion Track: Single-Shot Trajectory Warping for Grasp Motion Generation

• arxiv url: http://arxiv.org/abs/2609.21511v1
• Date: Fri, 18 Sep 2026 09:04:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.940331
• Title: 2nd Place Solution to the HANDS 2026 Workshop Challenge-Dexterous Grasp Motion Track: Single-Shot Trajectory Warping for Grasp Motion Generation
• Title（参考訳）: 2nd Place Solution to the HANDS 2026 Workshop Challenge-Dexterous Grasp Motion Track: Single-Shot Trajectory Warping for Grasp Motion Generation
• Abstract要約: 本報告では,HANDS 2026ワークショップチャレンジ(Dexterous Grasp Motion Track)とECCV 2026の2番目のソリューションについて述べる。
• 参考スコア（独自算出の注目度）: 15.724644468268279
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This report describes our 2nd place solution to the HANDS 2026 workshop challenge (Dexterous Grasp Motion track) in conjunction with ECCV 2026. In this challenge, we address grasp motion generation for the 12-DoF LinkerHand O6, aiming to produce physically plausible reach-and-lift trajectories for unseen objects from randomized initial hand poses in simulation. This task is particularly challenging because each grasp requires a per-step policy to make approximately $70$ twelve-dimensional decisions, with errors accumulating over time, while test objects and physical dynamics may differ from those encountered during training. To address these challenges, we propose editing a single successful GraspM3 demonstration instead of generating the motion step by step: a policy observes the object once and outputs a 12-D warp of the demonstration, which is then replayed open-loop. Moreover, we train the warp policy with one-step PPO over all $4{,}824$ training objects in parallel. As a result, our method achieved success rates of $94.61\%$ on the easy track, the highest of all submissions, and $57.18\%$ on the hard track of the private test set.
• Abstract（参考訳）: 本報告では,HANDS 2026ワークショップチャレンジ(Dexterous Grasp Motion Track)とECCV 2026の2番目のソリューションについて述べる。 この課題では,12-DoF LinkerHand O6のグリップ動作生成に対処し,ランダムな初期ポーズから未知の物体に対する物理的に可視なリーチ・アンド・リフト軌道を生成することを目的とする。 このタスクは、各グリップが約70ドル(約7万2000円)の12次元決定を行うためにステップごとのポリシーを必要とするため、特に困難である。 これらの課題に対処するため,動作ステップを段階的に生成するのではなく,単一成功のGraspM3デモを編集することを提案する。 さらに、このワープポリシーを1ステップのPPOで4,824ドルのトレーニングオブジェクトを並列にトレーニングする。 その結果, 提案手法は, 簡単な軌道上では94.61 %, プライベートテストセットのハードトラック上では57.18 %, 成功率で94.61 %に達した。

関連論文リスト

• TCAM for Autonomous Deformable Manipulation: The RMC2 Champion System for WBCD 2026 Track 4 [11.62811337213929]
  本報告では、WBCD 2026 Track 4: Deformable Manipulation Challengeに対するRCC2 Teamのチャンピオンソリューションについて述べる。 このタスクでは、ロボットが1枚のTシャツをスタックから選択し、印刷用パレットにロードし、首輪を目標領域に合わせ、印刷領域を滑らかにする。 TCAMフレームワークを中心に完全に自律的なシステムを構築しました。ハードウェア、知覚、データ、学習は、ポリシーが扱わなければならない物理的相互作用の複雑さを共同で削減する、という設計原則を掲げています。 最終コンペでは,約23秒で25枚のTシャツをロードし,22。
  論文  参考訳（メタデータ） (2026-08-11T09:35:39Z)
• The Fourth Challenge on Image Super-Resolution ($\times$4) at NTIRE 2026: Benchmark Results and Method Overview [202.40386112006652]
  NTIRE 2026イメージ超解像(4ドル)チャレンジは、CVPR 2026のNTIRE 2026ワークショップのコンペティションのひとつ。 この課題は、低分解能(LR)入力から高分解能(HR)イメージを2倍のダウンサンプリングで$times$4スケールファクタで再構築することを目的としている。 本報告では、参加チームの課題設計、データセット、評価プロトコル、主な成果、方法について要約する。
  論文  参考訳（メタデータ） (2026-04-16T02:41:53Z)
• Task adaptation of Vision-Language-Action model: 1st Place Solution for the 2025 BEHAVIOR Challenge [0.0]
  我々は,2025年のBehavior Challengeで優勝したビジョンアクション政策を提示する。 BEHAVIOR Challengeは、写真リアリスティックなシミュレーションで50種類の多種多様な家庭用タスクを特徴とする大規模なベンチマークである。 このアプローチは、パブリックとプライベートの両方のリーダボード上の50のタスクすべてに対して、26%のqスコアを実現しています。
  論文  参考訳（メタデータ） (2025-12-07T18:08:45Z)
• Multi-Object Tracking Retrieval with LLaVA-Video: A Training-Free Solution to MOT25-StAG Challenge [42.013930541762484]
  この課題の目的は、特定の言語クエリと自由形式の言語クエリにマッチする複数のオブジェクトを正確にローカライズし、追跡することである。 課題をビデオ検索問題としてモデル化し、2段階のゼロショット手法を提案する。 MOT25-StAG テストセットでは,m-HIoU と HOTA のスコアが 20.68 と 10.73 となり,挑戦で2位となった。
  論文  参考訳（メタデータ） (2025-11-05T10:01:31Z)
• AIM 2025 Challenge on High FPS Motion Deblurring: Methods and Results [164.40213599684935]
  本稿では,AIM 2025 High FPS Non-Uniform Motion Deblurring Challengeについて概説し,提案手法と最終結果について述べる。 68人の参加者が参加し、9つのチームが最終的に有効なエントリーを提出した。 本稿では,高FPSシングルイメージモーションの劣化における最先端の進歩を徹底的に評価し,現場における顕著な進展を示す。
  論文  参考訳（メタデータ） (2025-09-08T15:22:35Z)
• 1st Place Solution to the 8th HANDS Workshop Challenge -- ARCTIC Track: 3DGS-based Bimanual Category-agnostic Interaction Reconstruction [3.744155289954746]
  本報告では,ECCV 2024と合わせて第8回HANDSワークショップチャレンジ(ARCTIC Track)の第1位となるソリューションについて述べる。 本研究の目的は,手と物体の3次元再構成をモノクロ映像から生成することである。
  論文  参考訳（メタデータ） (2024-09-28T02:51:59Z)
• V3Det Challenge 2024 on Vast Vocabulary and Open Vocabulary Object Detection: Methods and Results [142.5704093410454]
  V3Det Challenge 2024は、オブジェクト検出研究の境界を推し進めることを目的としている。 Vast Vocabulary Object DetectionとOpen Vocabulary Object Detectionの2つのトラックで構成されている。 我々は,広い語彙とオープン語彙のオブジェクト検出において,今後の研究の方向性を刺激することを目指している。
  論文  参考訳（メタデータ） (2024-06-17T16:58:51Z)
• 1st Place Solution for MeViS Track in CVPR 2024 PVUW Workshop: Motion Expression guided Video Segmentation [81.50620771207329]
  ビデオオブジェクトセグメンテーション(RVOS)における静的支配データとフレームサンプリングの有効性について検討する。 本手法は,競技段階でのJ&Fスコア0.5447を達成し,PVUWチャレンジのMeViSトラックで1位となった。
  論文  参考訳（メタデータ） (2024-06-11T08:05:26Z)
• Two-Stream Consensus Network: Submission to HACS Challenge 2021 Weakly-Supervised Learning Track [78.64815984927425]
  弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。 この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。 この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
  論文  参考訳（メタデータ） (2021-06-21T03:36:36Z)
• Probabilistic Tracklet Scoring and Inpainting for Multiple Object Tracking [83.75789829291475]
  本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。 これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。 我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-03T23:59:27Z)

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。