論文の概要: DEAL-Grasp: Decoupled Alignment Representation for Geometry-Aware Dexterous Grasp Generation
- arxiv url: http://arxiv.org/abs/2609.28131v1
- Date: Wed, 23 Sep 2026 13:56:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:18.052146
- Title: DEAL-Grasp: Decoupled Alignment Representation for Geometry-Aware Dexterous Grasp Generation
- Title（参考訳）: DEAL-Grasp:Geometry-Aware Dexterous Grasp 生成のためのデカップリングアライメント表現
- Abstract要約: 既存の巧妙なグリップ合成法は、通常、関節空間におけるポーズを回帰または復調する。
本稿では,アライメント空間生成としてグリップ合成を再構成するDEAL-Graspを提案する。
MultiDexとゼロショットのRealDexベンチマーク全体で、DEAL-Graspは高い強制摂動成功率を達成する。
- 参考スコア（独自算出の注目度）: 10.173872050793895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Synthesizing realistic articulated hand-object interactions is a fundamental problem in virtual reality, embodied intelligence, and digital human applications. Existing methods for dexterous grasp synthesis typically regress or denoise poses in a joint space that couples global rigid motion with local articulation, which often yields unstable samples and physically implausible contacts. We introduce DEAL-Grasp, built upon the Decoupled Alignment (DEAL) representation, which reformulates grasp synthesis as alignment-space generation: the interaction state comprises task-space geometric anchors and articulation parameters, from which the rigid transform is recovered via closed-form Procrustes alignment while preserving local articulation. On this mixed state, we model grasp generation using heterogeneous-state flow matching with component-wise vector fields, incorporating time-adaptive physical regularization during training. At inference, grasps are synthesized solely by integrating the learned vector field, without test-time optimization or auxiliary physical guidance. Across MultiDex and zero-shot RealDex benchmarks, DEAL-Grasp attains high force-perturbation success rates alongside minimal penetration and high diversity of generated grasps, while substantially reducing native inference latency compared to optimization-heavy baselines. The project page is available at https://wmtlab.github.io/DEAL-Grasp/.
- Abstract（参考訳）: 現実的な手動オブジェクトの相互作用を合成することは、仮想現実、具体的インテリジェンス、デジタルヒューマンアプリケーションにおける根本的な問題である。
既存の巧妙なグリップ合成法は、大域的な剛性運動と局所的な調音とを結合し、しばしば不安定なサンプルと物理的に不可解な接触を生じる共同空間において、通常、回帰または denoise のポーズを呈する。
そこで我々は,DeAL-Graspというデカップリングアライメント(Decoupled Alignment, DEAL)表現をベースとして,グリップ合成をアライメント空間生成として再構成し,その相互作用状態はタスク空間の幾何アンカーと調音パラメータから構成される。
この混合状態に基づいて、トレーニング中の時間適応的物理正則化を組み込んだ、コンポーネントワイドベクトル場と整合した異種状態フローを用いたグリップ生成をモデル化する。
推論では、学習したベクトル場を統合することで、テスト時間最適化や補助的な物理ガイダンスなしでグリップを合成する。
MultiDex と 0-shot RealDex のベンチマーク全体では、DEAL-Grasp は、最適化重大ベースラインと比較して、ネイティブな推論遅延を著しく低減しつつ、最小の浸透と生成したグリップの多様性とともに、高い力の摂動成功率を達成する。
プロジェクトページはhttps://wmtlab.github.io/DEAL-Grasp/で公開されている。
関連論文リスト
- InterMASH: A Unified Geometric Representation for Grasp Synthesis [26.072800563409704]
InterMASHは球固定アンカーを用いたクロスボディ対応を確立する統一表現である。
条件拡散変換器は、提案したInterMASH表現空間で直接動作し、手形状と接触を共同で生成する。
提案手法は,大規模シャドウHandベンチマークにおいて,鍵となる物理実現可能性指標の最先端手法と競合する性能を実現する。
論文 参考訳（メタデータ） (2026-09-16T11:39:35Z) - MANGO-Grasp: Mahalanobis Fields over Geometry-Oriented 3D Gaussians for Cross-Embodiment Dexterous Grasping [82.63833405368159]
クロス・エボディメント・デキスタラス・グルーピングは、異種多指ハンド間の安定したグルーピングを、エンボディメント固有のチューニングをほとんど、あるいは全く行わずに合成することを目的としている。
物体を幾何学指向の3Dガウスプリミティブとして、ロボットハンドをモルフォキネマティックな記述子に符号化した表面キーポイントとして表現する異方性相互作用フレームワークであるMANGO-Graspを提案する。
論文 参考訳（メタデータ） (2026-08-03T10:12:15Z) - Weaving Light and Time: Unified Harmonic-Geometric Representation Learning for Dense RGB-Event Parsing [55.13802890769086]
我々は、専用のRGB-Event解析用に特別に設計された最初の統一バックボーンであるEvitaを紹介する。
深いモーダルなシナジーを達成するため、Evitaはすべてのエンコーダ層に直接固有のコラーニングモジュール群を組み込む。
Evitaは、リアルタイムマルチモーダル認識において、より優れた精度とレイテンシのトレードオフを提供しながら、新しい最先端メトリクスを確立する。
論文 参考訳（メタデータ） (2026-07-10T06:52:09Z) - DeSeG: Decoupling Semantic Intent and Geometric Constraints for Physically Plausible Human-Scene Interaction [50.06148080975928]
本稿では,意味的意図を幾何学的制約から明確に分離する階層型フレームワークであるDeSeGを提案する。
DeSeGは最先端のパフォーマンスを実現し、平均シーン浸透率を47%削減し、SOTAベースラインに対するセマンティックアライメントを29%改善した。
論文 参考訳（メタデータ） (2026-07-07T03:21:08Z) - INST-Align: Implicit Neural Alignment for Spatial Transcriptomics via Canonical Expression Fields [1.0487944945684993]
INST-Alignは、座標ベースの変形ネットワークと共有カノニカル表現場を結合する。
最先端の平均OT精度(0.702)、NN精度(0.719)、チャンファー距離(94.9%)を実現している。
また、生物学的に意味のある空間埋め込みとコヒーレントな3D組織再構築をもたらす。
論文 参考訳（メタデータ） (2026-04-13T21:44:18Z) - InfBaGel: Human-Object-Scene Interaction Generation with Dynamic Perception and Iterative Refinement [15.184022425476256]
人間-オブジェクト-シーン相互作用(HOSI)生成は、AI、シミュレーション、アニメーションに広く応用されている。
整合性モデルの反復的復調過程に整合した粗大な命令条件付き相互作用生成フレームワークを提案する。
本手法は,HOSI世代とHOI世代の両方で最先端の性能を実現し,見えない場面に強い。
論文 参考訳（メタデータ） (2026-04-06T16:44:02Z) - AutoLayout: Closed-Loop Layout Synthesis via Slow-Fast Collaborative Reasoning [102.71841660031065]
Autoは、クローズドループの自己検証プロセスをデュアルシステムフレームワークに統合する、完全に自動化された方法である。
Autoの有効性は8つの異なるシナリオで検証され、SOTA法よりも10.1%改善された。
論文 参考訳（メタデータ） (2025-07-06T08:35:22Z) - Implicit Neural Spatial Representations for Time-dependent PDEs [29.404161110513616]
Inlicit Neural Spatial Representation (INSR) は空間依存ベクトル場の効果的な表現として登場した。
本研究は,INSRを用いた時間依存型PDEの解法について検討する。
論文 参考訳（メタデータ） (2022-09-30T22:46:40Z) - Real-time Pose and Shape Reconstruction of Two Interacting Hands With a
Single Depth Camera [79.41374930171469]
本稿では,2つの強く相互作用する手の位置と形状をリアルタイムに再現する新しい手法を提案する。
われわれのアプローチは、有利なプロパティの広範なリスト、すなわちマーカーレスを組み合わせている。
過去の研究で示された複雑性レベルを超える場面で、最先端の結果を示す。
論文 参考訳（メタデータ） (2021-06-15T11:39:49Z) - Fast Gravitational Approach for Rigid Point Set Registration with
Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。
FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。
従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文 参考訳（メタデータ） (2020-09-28T15:05:39Z)
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。