論文の概要: VGM-VS: Rethinking Visual Geometry Model for High-Precision Visual Servoing
- arxiv url: http://arxiv.org/abs/2609.28312v1
- Date: Wed, 23 Sep 2026 15:56:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:18.101953
- Title: VGM-VS: Rethinking Visual Geometry Model for High-Precision Visual Servoing
- Title（参考訳）: VGM-VS:高精度ビジュアルサーボのためのビジュアル幾何学モデルの再考
- Abstract要約: 本稿では,予め訓練されたフィードフォワード視覚幾何学モデルに基づく視覚サーボ手法であるVGM-VSを提案する。
本稿では,3つの実世界の組立課題に対して,許容度を要求された上で評価する。
30Hzでリアルタイムに動作し、VGM-VSはケーブルタスクのサブミリメートルの終端精度に収束し、サーボ中に目標を移動したときに90-100%の成功率に達する。
- 参考スコア（独自算出の注目度）: 23.708112791422483
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present VGM-VS, a visual servoing method built on a pretrained feed-forward visual geometry model. Given the current view and a reference image captured at the target configuration, we estimate the relative camera pose with a visual geometry model and apply it iteratively as the pose increment of a closed-loop pose-based visual servoing (PBVS) scheme. The geometry-aware representation acquired from large-scale pretraining keeps this estimate reliable when the target is occluded, weakly textured, or covers only a small part of the image. However, the scale ambiguity inherent to these models leaves the predicted translation defined up to an unknown scale, while the pose increment must be metric for robot control. We close this gap with a scene-specific metric adaptation: the robot autonomously records image--pose pairs along a predefined motion starting from the target pose, and we fine-tune the camera head on these data, jointly learning the hand--eye transform and thus removing the need for a dedicated calibration process. We evaluate our method on three real-world assembly tasks with demanding tolerances: USB-C cable picking, cable insertion, and RAM insertion. Running in real time at 30Hz, VGM-VS converges to submillimeter terminal accuracy on the cable tasks, and reaches success rates of 90--100\% when the target is moved during servoing. It converges in all trials under initial displacements of up to 30cm from the reference pose and with 50\% of the target object occluded, outperforming the compared visual servoing baselines.
- Abstract（参考訳）: 本稿では,予め訓練されたフィードフォワード視覚幾何学モデルに基づく視覚サーボ手法であるVGM-VSを提案する。
対象設定で捉えた現在のビューと参照画像から、相対カメラのポーズを視覚幾何学モデルで推定し、それをクローズドループポーズベースビジュアルサーボ(PBVS)方式のポーズインクリメントとして反復的に適用する。
大規模事前学習から得られた幾何学的認識表現は、ターゲットが隠蔽されたり、弱いテクスチャ化されたり、画像のごく一部しかカバーされていない場合に、この推定を確実にする。
しかし、これらのモデルに固有のスケールのあいまいさは、予測された翻訳を未知のスケールに残し、ポーズのインクリメントはロボット制御の計量でなければならない。
我々は、このギャップをシーン固有のメートル法で埋める: ロボットは、ターゲットのポーズから始まる予め定義された動きに沿って、画像のペアを自律的に記録し、これらのデータに基づいて、カメラヘッドを微調整し、手目変換を共同学習し、専用のキャリブレーションプロセスの必要性を取り除く。
提案手法は,USB-Cケーブルピッキング,ケーブル挿入,RAM挿入の3つの実世界の組立作業において,許容性を求めるものである。
30Hzでリアルタイムに動作し、VGM-VSはケーブルタスクのサブミリメートルの終端精度に収束し、サーボ中に目標を移動したときに90-100\%の成功率に達する。
基準ポーズから最大30cmの変位で全ての試行において収束し、対象物体の50%が閉鎖され、比較された視覚サーボベースラインを上回った。
関連論文リスト
- OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。
射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。
代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
論文 参考訳（メタデータ） (2026-09-08T19:45:58Z) - DreamSat-Pose: Spacecraft Pose Estimation from Single-View 3D Reconstructions and Learned 2D-3D Feature Matching [0.5176742519438303]
本稿では,未知の宇宙船物体の単発形状とポーズ推定のための新しいフレームワークを提案する。
まず、ターゲットの3次元形状モデルを再構成し、密集した2D-3D対応を学習することにより、相対的な6自由度ポーズを推定する。
その結果、1枚の画像のみを用いて0.157度の平均ポインティング誤差を達成できる信頼性の高いポーズ推定値が得られた。
論文 参考訳（メタデータ） (2026-07-15T05:12:48Z) - HGGT: Robust and Flexible 3D Hand Mesh Reconstruction from Uncalibrated Images [81.42866295265443]
高忠実度3Dハンドジオメトリはコンピュータビジョンにおいて重要な課題である。
スケーラブルなアプリケーションは、正確性とデプロイメントの柔軟性の両方を必要とします。
本研究では、3Dハンドメッシュとカメラのポーズを非校正視点から推定するフィードフォワードアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-03-25T06:54:34Z) - Object Pose Transformer: Unifying Unseen Object Pose Estimation [54.20344997573707]
モデルなしのオブジェクトポーズ推定を未知のインスタンスで学習することは、3Dビジョンにおける根本的な課題である。
我々のチームは、RGB入力から深度、ポイントマップ、カメラパラメータ、正規化されたオブジェクト座標を共同で予測します。
当社はカメラ非依存で、カメラ固有の知識をオンザフライで学習し、メトリックスケールリカバリのためのオプションの深度入力をサポートします。
論文 参考訳（メタデータ） (2026-03-24T16:04:16Z) - Beyond 'Templates': Category-Agnostic Object Pose, Size, and Shape Estimation from a Single View [69.6117755984012]
物体の6Dポーズ、サイズ、形状を視覚入力から推定することは、コンピュータビジョンの基本的な問題である。
一つのRGB-D画像から6次元のポーズ,サイズ,密な形状を同時に予測する統合されたカテゴリ非依存フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-13T17:49:15Z) - Gaussian Alignment for Relative Camera Pose Estimation via Single-View Reconstruction [18.936573991468926]
GARPSは、2つの独立して再構成された3Dシーンの直接的なアライメントとしてこの問題を論じる、トレーニング不要のフレームワークである。
差分可能なGMMアライメント目標を最適化することにより、フィードフォワード2ビューポーズ推定器の初期ポーズを洗練する。
Real-Estate10Kデータセットの実験では、GARPSが古典的および最先端の学習ベースの手法よりも優れていることが示されている。
論文 参考訳（メタデータ） (2025-09-17T02:57:34Z) - PriorFormer: A Transformer for Real-time Monocular 3D Human Pose Estimation with Versatile Geometric Priors [1.4932318540666545]
本稿では,人間の2次元関節位置の短い列を1台のカメラで3次元ポーズにマッピングする軽量トランスフォーマーベースリフト機を提案する。
提案モデルでは,セグメント長やカメラ内在性などの入力幾何学的先行を考慮し,キャリブレーションとアンキャリブレーションの両方で動作させるように設計されている。
論文 参考訳（メタデータ） (2025-08-21T08:16:14Z) - iComMa: Inverting 3D Gaussian Splatting for Camera Pose Estimation via Comparing and Matching [14.737266480464156]
コンピュータビジョンにおける6次元カメラのポーズ推定問題に対処するため,iComMaという手法を提案する。
3次元ガウススプラッティング(3DGS)の反転による高精度カメラポーズ推定法を提案する。
論文 参考訳（メタデータ） (2023-12-14T15:31:33Z) - CAPTRA: CAtegory-level Pose Tracking for Rigid and Articulated Objects
from Point Clouds [97.63549045541296]
新規なリジッドオブジェクトインスタンスに対する9DoFポーズトラッキングと,関節付きオブジェクトに対するパート毎ポーズトラッキングを処理可能な統一フレームワークを提案する。
本手法は、高速なFPS 12で、カテゴリレベルのリジッドオブジェクトポーズ(NOCS-REAL275)と関節オブジェクトポーズベンチマーク(SAPIEN、BMVC)の最新のパフォーマンスを実現します。
論文 参考訳（メタデータ） (2021-04-08T00:14:58Z) - Leveraging Photometric Consistency over Time for Sparsely Supervised
Hand-Object Reconstruction [118.21363599332493]
本稿では,ビデオ中のフレームの粗いサブセットに対してのみアノテーションが利用できる場合に,時間とともに光度整合性を活用する手法を提案する。
本モデルでは,ポーズを推定することにより,手や物体を3Dで共同で再構成するカラーイメージをエンドツーエンドに訓練する。
提案手法は,3次元手動画像再構成の精度向上に有効であることを示す。
論文 参考訳（メタデータ） (2020-04-28T12:03:14Z) - DFVS: Deep Flow Guided Scene Agnostic Image Based Visual Servoing [11.000164408890635]
既存のディープラーニングベースのビジュアルサーボアプローチは、画像間の相対カメラのポーズを後退させる。
我々は、深層ニューラルネットワークを用いて予測される視覚的特徴として光学的流れを考察する。
2cm以下と1度以下の正確な位置を維持しながら3m以上40度以上の収束性を示した。
論文 参考訳（メタデータ） (2020-03-08T11:42:36Z)
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。