論文の概要: Steerable and Reactive Grasping Through Modular Design with a Three-Point Interface

• arxiv url: http://arxiv.org/abs/2609.24896v1
• Date: Mon, 21 Sep 2026 17:02:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 15:03:38.082567
• Title: Steerable and Reactive Grasping Through Modular Design with a Three-Point Interface
• Title（参考訳）: 3点インタフェースによるモジュール設計による安定かつ反応性のグラッピング
• Abstract要約: 有害な把握には、どこでつかむかを決め、ターゲットに到達し、安定した接触を維持する必要がある。 局所的な接触制御からグローバルな幾何学的推論を分離する,コンパクトな3点インタフェースにより,これらのステージを接続する。 モデルベースのリアクティブコントローラは、オブジェクトを追跡し、衝突を回避し、選択した接触に向かって手を導く。
• 参考スコア（独自算出の注目度）: 13.950337217213068
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dexterous grasping requires deciding where to grasp, reaching the target, and maintaining stable contact. We connect these stages through a compact three-point interface that separates global geometric reasoning from local contact control. Given object geometry and optional language commands, our framework samples contact triples from a precomputed grasp-affordance heatmap. A model-based reactive controller tracks the object, avoids collisions, and guides the hand toward the selected contacts. In the final centimeters, a Reinforcement Learning (RL) policy uses proprioceptive feedback to refine and stabilize the grasp despite reaching and perception errors. It observes only finger joint states and its recent actions, with no target points, visual observations, or object geometry, so a single policy is shared across objects and grasp configurations. In simulation, we compare grasp-and-lift success against squeeze and end-to-end baselines, characterize reaching convergence, and demonstrate grasp steering; hardware demonstrations on two training objects and one unseen object illustrate the full pipeline. Our modular framework uses geometry to guide the reach and local feedback to secure the grasp.
• Abstract（参考訳）: 有害な把握には、どこでつかむかを決め、ターゲットに到達し、安定した接触を維持する必要がある。 局所的な接触制御からグローバルな幾何学的推論を分離する,コンパクトな3点インタフェースにより,これらのステージを接続する。 オブジェクトの幾何学と任意の言語コマンドが与えられた場合、フレームワークは事前に計算された把握精度のヒートマップから3つに接触する。 モデルベースのリアクティブコントローラは、オブジェクトを追跡し、衝突を回避し、選択した接触に向かって手を導く。 最終センチメートルでは、強化学習 (Reinforcement Learning, RL) ポリシーは、受容的フィードバックを用いて、到達と知覚の誤りにもかかわらず、把握を洗練し、安定化させる。 指の関節状態と最近の動作のみを観察し、ターゲットポイント、視覚的観察、オブジェクトの幾何学を含まないため、単一のポリシーはオブジェクト間で共有され、構成を把握できる。 シミュレーションでは,サスペンションとエンド・ツー・エンドのベースラインに対するグリップ・アンド・リフトの成功を比較し,コンバージェンスを特徴付けるとともに,グリップ・ステアリング(グリップ・ステアリング)を実証する。 我々のモジュラーフレームワークは、幾何学を使って到達度と局所的なフィードバックを誘導し、把握を確保します。

関連論文リスト

• Monocular Vision Based Control Framework for Grasping [8.44254908378373]
  本稿では,単一制御パイプライン内の軟質物体と剛質物体の両方を対象とする,視覚に基づく把握フレームワークを提案する。 提案システムは,開語彙オブジェクト検出,画像分割,境界認識点割当,リアルタイム点追跡,単眼深度推定を組み合わせたシステムである。 その結果, 視覚フィードバックのみを用いて, ソフトオブジェクトと剛体オブジェクトの両方を安定的に把握できることが実証された。
  論文  参考訳（メタデータ） (2026-07-08T20:13:17Z)
• Direct 3D-Aware Object Insertion via Decomposed Visual Proxies [101.76006356727015]
  DIRECT(Decomposed Injection for Reference Composition and Target-integration)は、対話型ポーズ操作と高忠実度2D画像合成を統合する新しいフレームワークである。 提案手法は挿入条件を,参照オブジェクトから視覚的詳細をキャプチャする外観ガイダンス,ユーザ調整3Dプロキシから派生した幾何学的ガイダンス,ターゲット背景からのコンテキストガイダンスの3つの補完成分に分解する。 実験により、DIRECTは幾何学的制御性と視覚的品質の両方において従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-06-04T18:00:34Z)
• Physically Grounded 3D Generative Reconstruction under Hand Occlusion using Proprioception and Multi-Contact Touch [3.926587614210279]
  そこで本研究では, メカニカル・アモーダル・オブジェクト再構成とポーズ推定のためのマルチモーダル・物理的手法を提案する。 我々は物理的相互作用信号を利用する: プロリオセプションは、ポーズされたハンドジオメトリと、対象表面が横たわらなければならないマルチコンタクトタッチ制約を提供する。
  論文  参考訳（メタデータ） (2026-04-10T08:32:51Z)
• Copy-Trasform-Paste: Zero-Shot Object-Object Alignment Guided by Vision-Language and Geometric Constraints [12.704390013489054]
  2つのメッシュのゼロショット3Dアライメントについて,その関係を記述したテキストプロンプトを用いて検討した。 テスト時の相対的なポーズの最適化,翻訳,回転,等方的スケールの更新,CLIP駆動の勾配による検討を行った。 我々の手法は、意味論的に忠実で物理的に妥当なアライメントをもたらす全ての代替手段より優れています。
  論文  参考訳（メタデータ） (2026-01-20T18:12:55Z)
• Weakly-supervised 3D Pose Transfer with Keypoints [57.66991032263699]
  3Dポーズ転送の主な課題は、1) 異なる文字で同じポーズを行うペアトレーニングデータの欠如、2) ターゲットメッシュからポーズと形状情報を分離すること、3) 異なるトポロジを持つメッシュに適用することの難しさである。 本稿では,これらの課題を克服するためのキーポイントベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T12:40:24Z)
• MAPConNet: Self-supervised 3D Pose Transfer with Mesh and Point Contrastive Learning [32.97354536302333]
  3次元ポーズ転送は、ソースジオメトリのポーズを、ターゲットアイデンティティを保存したターゲットジオメトリに転送することを目的とした、困難な生成タスクである。 現在のポーズ伝達法は、エンドツーエンドの対応学習を可能にするが、監督のための基礎的真理として望ましい最終的な出力を必要とする。 本稿では、教師なし、半教師なし、あるいは完全に教師付き設定で訓練できる3Dポーズ転送のための新しい自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-26T20:42:40Z)
• S$^2$Contact: Graph-based Network for 3D Hand-Object Contact Estimation with Semi-Supervised Learning [70.72037296392642]
  モノクロ画像から接触を学習できる新しい半教師付きフレームワークを提案する。 具体的には、大規模データセットにおける視覚的および幾何学的整合性制約を利用して擬似ラベルを生成する。 より正確な再構築を行うために手動インタラクションを規定するコンタクトマップを使用することの利点を示す。
  論文  参考訳（メタデータ） (2022-08-01T14:05:23Z)
• Collaborative Learning for Hand and Object Reconstruction with Attention-guided Graph Convolution [49.10497573378427]
  インタラクション中の手や物体のポーズと形状を推定すると、拡張現実や仮想現実を含む多くの応用が見つかる。 我々のアルゴリズムはオブジェクトモデルへの最適化であり、手動オブジェクトの相互作用を管理する物理規則を学習する。 広範に使用されている4つのベンチマークを用いて実験したところ、我々のフレームワークは3次元ポーズ推定における最先端の精度を超えて達成でき、また、密集した3次元手や物体の形状を復元できることがわかった。
  論文  参考訳（メタデータ） (2022-04-27T17:00:54Z)

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。