論文の概要: PointCast: One World Model for Rigid, Articulated, and Deformable Object Manipulation

• arxiv url: http://arxiv.org/abs/2609.28393v1
• Date: Wed, 23 Sep 2026 17:02:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.128537
• Title: PointCast: One World Model for Rigid, Articulated, and Deformable Object Manipulation
• Title（参考訳）: PointCast: Rigid, Articulated, and deformable Object Manipulationの1つの世界モデル
• Abstract要約: PointCastは、厳密で明瞭で変形可能なオブジェクト操作にまたがるポイントセットの世界モデルである。 その状態は、オブジェクトとエンドエフェクタ、メッシュフリー、トポロジーに依存しない3Dポイントのセットである。 19.8Mパラメータのこの1つのアーキテクチャと1つのトレーニングレシピは、4つのレシエーション、剛体オブジェクト、布、ロープ、多関節キャビネットをカバーしている。
• 参考スコア（独自算出の注目度）: 9.565234850850489
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models are useful for robotic manipulation because robots can predict how actions change the states of objects before executing them. We present PointCast, a point-set world model that spans rigid, articulated, and deformable object manipulation. Its state is a set of 3D points on the object and the end-effector, mesh-free and topology-agnostic. Each point keeps its identity and is supervised on its own trajectory, which teaches the model where every point goes rather than only the shape the points form. Its backbone is a diffusion transformer that denoises a short window of future point positions, conditioned on the points' recent history and the commanded end-effector motion. The backbone's attention alternates between local and global, and cross-attention to the end-effector carries the coupling. This one architecture at 19.8M parameters and one training recipe cover four regimes, rigid objects, cloth, rope, and multi-joint cabinets, with a separate checkpoint trained for each. Trained on randomized simulation and scored against four baselines on the same metric, it is best on three of four regimes and second on rigid. Trained on a real-world robot teleoperation dataset, it has the lowest mean error in four of its six categories, is second in the other two, and improves on the dataset's own model in all six; zero-shot, its simulation checkpoints are best on two of four captures. Frozen inside sampling-based model-predictive control at one network evaluation per window, it plans four simulated tasks over 64 episodes, competitive with or outperforming every baseline on each. Project website at https://pointcast-wm.github.io.
• Abstract（参考訳）: ロボットがオブジェクトの状態をどのように変化させるかを予測することができるため、世界モデルはロボット操作に役立ちます。 我々は、剛性、調音性、変形可能なオブジェクト操作にまたがるポイントセット世界モデルであるPointCastを提案する。 その状態は、オブジェクトとエンドエフェクタ、メッシュフリー、トポロジーに依存しない3Dポイントのセットである。 各点はその同一性を保ち、各点が点の形だけを形作るのではなく、すべての点が動くモデルを教える独自の軌道で教師される。 バックボーンは、ポイントの最近の歴史と命令されたエンドエフェクター運動に基づいて、将来のポイント位置の短い窓を飾る拡散変圧器である。 バックボーンの注意は局所とグローバルの間で交互に行われ、エンドエフェクターへのクロスアテンションは結合をもたらす。 19.8Mパラメータのこの1つのアーキテクチャと1つのトレーニングレシピは、4つのレシエーション、剛体物体、布、ロープ、および多関節キャビネットをカバーし、それぞれに個別のチェックポイントをトレーニングしている。 ランダム化されたシミュレーションに基づいて訓練され、同じメートル法で4つの基準線に対して得点され、4つのレギュレーションのうち3つと剛性で2番目に良い。 実世界のロボット遠隔操作データセットに基づいてトレーニングされたこのデータセットは、6つのカテゴリのうち4つで最も低い平均誤差を持ち、他の2つの中では2番目であり、データセット自身のモデルを6つすべて改善している。 サンプリングベースのモデル予測制御を1ウィンドウ毎に1つのネットワーク評価で行うことで、64エピソードにわたってシミュレーションされた4つのタスクを計画している。 Project website at https://pointcast-wm.github.io.com

関連論文リスト

• 4DGS-WAM: Bridging Past and Future with an Object-Centric World Action Model based on 4D Gaussian Splatting [72.02343855552051]
  現在の世界アクションモデル(WAM)は2次元の視覚データを扱うのが一般的である。 動的オブジェクトとシーンの静的背景を別々にモデル化した,明示的な4Dガウススティング(4DGS)表現を利用する。 4DGS-WAMは2次元観察を永続的な4次元表現に上げ、将来の予測で観測済みの静的コンテンツを再利用できるようにする。
  論文  参考訳（メタデータ） (2026-08-26T16:16:57Z)
• GEM-4D: Geometry-Enhanced Video World Models for Robot Manipulation [72.52773248997929]
  ビデオワールドモデルは、1つの命令から現実的な未来を生成できるが、時間とともに一貫したポイントレベルの動きを維持できないことが多い。 GEM-4Dは、トレーニング中にビデオ生成バックボーンに高密度な4D対応制御を注入する幾何学的地上ビデオワールドモデルである。 Inverse dynamicsモジュールは、対応性のあるビデオロールアウトを実行可能なロボットトラジェクトリに変換し、現実世界とシミュレーション操作の両方で直接デプロイできる。
  論文  参考訳（メタデータ） (2026-05-20T21:36:44Z)
• PoseDiff: A Unified Diffusion Model Bridging Robot Pose Estimation and Video-to-Action Control [67.17998939712326]
  本稿では,ロボットの状態推定と制御を単一のフレームワーク内で統一する条件拡散モデルPoseDiffを提案する。 中心となるPoseDiffは、生の視覚を3Dキーポイントや関節角などの構造化されたロボットの状態にマッピングする。 この基盤の上に構築されたPoseDiffは、ビデオからアクションへの逆ダイナミクスに自然に拡張する。
  論文  参考訳（メタデータ） (2025-09-29T10:55:48Z)
• Articulated Object Estimation in the Wild [25.616481887384708]
  ArtiPointは、動的カメラモーションと部分観測可能性の下で、明瞭なオブジェクトモデルを推論できる新しい推定フレームワークである。 ディープポイントトラッキングと因子グラフ最適化フレームワークを組み合わせることで、ArtiPointは生のRGB-Dビデオから直接、調音部分軌跡と調音軸を強く推定する。 ArtiPointを古典的および学習ベースのベースラインに対してベンチマークし、Arti4Dで優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-09-01T18:34:17Z)
• Multi-Model 3D Registration: Finding Multiple Moving Objects in Cluttered Point Clouds [23.923838486208524]
  マルチモデル3D登録問題(Multi-model 3D registration)のバリエーションについて検討する。 マルチモデル登録問題では、異なるポーズでオブジェクトの集合を撮影する2点の雲が与えられる。 私たちは、すべてのオブジェクトが2点の雲の間を移動する様子を同時に再構築したいと考えています。
  論文  参考訳（メタデータ） (2024-02-16T18:01:43Z)
• The Change You Want to See (Now in 3D) [65.61789642291636]
  本稿の目的は、同じ3Dシーンの2つの「野生」画像の間で何が変わったかを検出することである。 我々は,全合成データに基づいて学習し,クラスに依存しない変化検出モデルに貢献する。 我々は,人間に注釈を付けた実世界のイメージペアによる評価データセットを新たにリリースした。
  論文  参考訳（メタデータ） (2023-08-21T01:59:45Z)
• CabiNet: Scaling Neural Collision Detection for Object Rearrangement with Procedural Scene Generation [54.68738348071891]
  私たちはまず、さまざまな日常環境において、650万以上の散らばったシーン(前よりも桁違いに多い)を生成します。 このデータから合成部分点雲をレンダリングし、それをCabiNetモデルアーキテクチャのトレーニングに使用します。 CabiNetは、オブジェクトとシーンポイントの雲を受け入れる衝突モデルである。
  論文  参考訳（メタデータ） (2023-04-18T21:09:55Z)
• PQ-Transformer: Jointly Parsing 3D Objects and Layouts from Point Clouds [4.381579507834533]
  点雲からの3Dシーン理解は、様々なロボットアプリケーションにおいて重要な役割を果たす。 現在の最先端の手法では、オブジェクト検出や部屋のレイアウト推定など、さまざまなタスクに別々のニューラルネットワークを使用している。 本稿では,3次元オブジェクトとレイアウトを同時に予測するトランスフォーマーアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-12T17:31:59Z)
• 3D-SiamRPN: An End-to-End Learning Method for Real-Time 3D Single Object Tracking Using Raw Point Cloud [9.513194898261787]
  3D-SiamRPN Network と呼ばれる3次元追跡手法を提案する。 KITTIデータセットによる実験結果から,本手法は成功と精度の両面で競合する性能を示した。
  論文  参考訳（メタデータ） (2021-08-12T09:52:28Z)
• L6DNet: Light 6 DoF Network for Robust and Precise Object Pose Estimation with Small Datasets [0.0]
  1枚のRGB-D画像から6つのDoFオブジェクトのポーズ推定を行う新しい手法を提案する。 データ駆動と幾何学という2段階のハイブリッドパイプラインを採用しています。 私たちのアプローチは最先端の手法よりも堅牢で正確です。
  論文  参考訳（メタデータ） (2020-02-03T17:41:29Z)

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。