論文の概要: Connectivity-Aware Exploration of Robotic Grasp Spaces

• arxiv url: http://arxiv.org/abs/2609.22983v1
• Date: Sat, 19 Sep 2026 12:34:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.613955
• Title: Connectivity-Aware Exploration of Robotic Grasp Spaces
• Title（参考訳）: 接続性を考慮したロボットグラス空間の探索
• Abstract要約: 実用可能なロボットグリップのマルチスケール構造をSE(3)$で検討し、この構造をより効率的な探索に活用できるかどうかを検討する。 本稿では,現在観測されている把握空間を段階的に探索する,接続性を考慮したサンプリング手法を提案する。 以上の結果から,現実的な行動の空間的組織化は,個々の行動の生存可能性を超えた把握空間探索に関連する情報を提供する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic grasping is typically formulated as the problem of identifying successful actions from a space of candidate grasp poses. However, the organization of successful actions within this space has received less attention. We study the multiscale structure of viable robotic grasps in $SE(3)$ and investigate whether this structure can be exploited for more efficient exploration. Using a large-scale grasp dataset, we show that successful grasp sets exhibit heterogeneous and reproducible connectivity structure across objects. We then introduce a connectivity-aware sampling strategy that incrementally explores the currently observed grasp space by prioritizing potential bridges between components, structural frontiers, boundary extensions, and geometric novelty. In controlled reconstruction experiments, the method recovers the connectivity structure of successful grasp sets substantially more efficiently than random sampling and farthest-point sampling. We further evaluate whether connectivity acquired under hidden grasp viability can improve subsequent grasp discovery, and whether structural experience from previously explored objects can be retrieved and transferred to unseen objects. These results suggest that the spatial organization of viable actions provides information relevant to grasp-space exploration beyond the viability of individual candidate actions. More broadly, they motivate structure-aware exploration as a means of exploiting the geometry of viable action spaces in robotic manipulation.
• Abstract（参考訳）: ロボットのつかみは、通常、候補者のつかみポーズの空間から成功した行動を特定する問題として定式化される。 しかし、この分野で成功した行動の組織は、あまり注目されていない。 実用可能なロボットグリップのマルチスケール構造をSE(3)$で検討し、この構造をより効率的な探索に活用できるかどうかを検討する。 大規模グリップデータセットを用いて、オブジェクト間の不均一で再現可能な接続構造を示す。 次に、コンポーネント、構造フロンティア、境界拡張、幾何学的ノベルティ間の潜在的な橋渡しを優先順位付けすることで、現在観測されている把握空間を漸進的に探索する接続性を考慮したサンプリング戦略を導入する。 制御された再構成実験では、ランダムサンプリングや最遠点サンプリングよりもはるかに効率的にグリップセットの接続構造を復元する。 さらに, 隠された把握可能性の下で得られた接続性により, その後の把握発見が向上し, 先行調査対象から構造的経験を回収し, 未知の物体に転送できるかどうかを検証した。 これらの結果から,現実的な行動の空間的組織化は,個々の行動の生存可能性を超えた把握空間探索に関連する情報を提供する可能性が示唆された。 より広範に、ロボット操作において実行可能な行動空間の幾何学を利用する手段として、構造認識探索を動機付けている。

関連論文リスト

• SpaceEra++: A Unified Framework Towards 3D Spatial Reasoning in Video [88.79625979053873]
  事前学習型視覚言語モデル(VLM)のための新しいフレームワークSpaceEraを提案する。 データ構築、モデル設計、トレーニング最適化、推論の促進にまたがる、SpaceEra++と呼ばれる、オリジナルのフレームワークを包括的なシステムに拡張します。 さらに,空間的推論を強化するために,絶対座標と相対空間関係を協調的に利用することにより,対物制約を強制するSpaceAlignを開発した。
  論文  参考訳（メタデータ） (2026-07-02T06:56:29Z)
• GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval [54.741349848771144]
  GeoMambaは光学SAR微細検索のための幾何学駆動フレームワークである。 GFIモジュールは、クロスモーダルな機能相互作用を強化し、構造的な事前を組み込む。 GeoMambaは既存の手法を上回り、全検索環境で63.3% mAPと77.0% Rank-1の精度を達成した。
  論文  参考訳（メタデータ） (2026-05-19T12:08:09Z)
• PATHFINDER: Multi-objective discovery in structural and spectral spaces [0.6738747756464843]
  PATHFINDERは、新規に駆動された探索と最適化を組み合わせた自律顕微鏡のためのフレームワークである。 特徴空間と対象空間における新規性発見のバランスをとる測定値を選択し、情報的かつ実験的に作用する。 これらの結果は、最適化駆動のだけでなく、発見指向で広範で、人間の指示に反応する新しい自律顕微鏡のモードを示している。
  論文  参考訳（メタデータ） (2026-04-05T17:31:08Z)
• Novelty-Driven Target-Space Discovery in Automated Electron and Scanning Probe Microscopy [0.5805874695844994]
  我々は、ターゲット空間における発見をガイドするディープラーニングBEACONフレームワークを開発した。 このベンチマークフレームワークは、発見駆動アルゴリズムを評価する基盤を提供する。 関連するノートブックが利用可能で、ユーザはベンチマークを再現し、テストし、メソッドを自身の機器やデータセットに適応することができる。
  論文  参考訳（メタデータ） (2026-03-17T16:04:20Z)
• Towards Agentic Intelligence for Materials Science [73.4576385477731]
  この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。 コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
  論文  参考訳（メタデータ） (2026-01-29T23:48:43Z)
• Spatial Understanding from Videos: Structured Prompts Meet Simulation Data [89.77871049500546]
  本稿では,事前学習された視覚言語モデルにおける3次元空間推論を,アーキテクチャを変更することなく拡張するための統一的なフレームワークを提案する。 このフレームワークは、複雑なシーンと質問を解釈可能な推論ステップに分解する構造化プロンプト戦略であるSpatialMindと、多様な3Dシミュレーションシーンから構築されたスケーラブルな質問応答データセットであるScanForgeQAを組み合わせる。
  論文  参考訳（メタデータ） (2025-06-04T07:36:33Z)
• CuriousBot: Interactive Mobile Exploration via Actionable 3D Relational Object Graph [12.54884302440877]
  モバイル探索は、ロボット工学における長年の課題である。 アクティブな相互作用による既存のロボット探査アプローチは、しばしばテーブルトップシーンに制限される。 本稿では,多種多様なオブジェクト関係を符号化し,活発な相互作用による探索を可能にする3Dリレーショナルオブジェクトグラフを提案する。
  論文  参考訳（メタデータ） (2025-01-23T02:39:04Z)
• Structured Spatial Reasoning with Open Vocabulary Object Detectors [2.089191490381739]
  オブジェクト間の空間的関係に関する推論は多くの実世界のロボット作業において不可欠である。 我々は、リッチな3次元幾何学的特徴と最先端のオープンボキャブラリオブジェクト検出器を統合する構造的確率的アプローチを導入する。 この手法は、空間推論タスクにおける最先端ビジョン・言語モデル(VLM)のゼロショット性能を評価・比較する。
  論文  参考訳（メタデータ） (2024-10-09T19:37:01Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)

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。