論文の概要: KeyGen: Unsupervised Keypoint based Object-Centric Representations for Category-Level Policy Generalization

• arxiv url: http://arxiv.org/abs/2609.28818v1
• Date: Wed, 23 Sep 2026 21:53:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.586937
• Title: KeyGen: Unsupervised Keypoint based Object-Centric Representations for Category-Level Policy Generalization
• Title（参考訳）: KeyGen: カテゴリーレベル政策一般化のための教師なしキーポイントに基づくオブジェクト中心表現
• Abstract要約: KeyGenは、ポイントクラウドからセマンティック3Dキーポイントを学習し、ポリシー学習のための構造化されたオブジェクト中心の表現として使用するフレームワークである。 これらのキーポイント上のビズモータ拡散ポリシー条件は、完全な操作軌跡を予測するために、オブジェクト中心の幾何学と共に行われる。 実験によると、KeyGenは、ポーズのバリエーションの下で、見ないオブジェクトと見えないオブジェクトの両方で、事前メソッドを著しく上回っている。
• 参考スコア（独自算出の注目度）: 20.62700512926824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generalization in robotic manipulation requires policies to perform tasks across diverse unseen object instances that vary in shape, size, and pose. However, conventional behavior cloning (BC) methods often overfit to instance-specific geometry and appearance, limiting transfer to novel objects. We introduce KeyGen, a framework that learns canonicalized semantic 3D keypoints from point clouds and uses them as structured object-centric representations for policy learning. A visuomotor diffusion policy conditions on these keypoints together with object-centric geometry to predict full manipulation trajectories, enabling consistent geometric correspondence across object instances. To evaluate category-level generalization, we construct a photorealistic simulation benchmark with three manipulation tasks and a planning-driven data generation pipeline that produces expert trajectories across diverse object instances. Experiments show that KeyGen significantly outperforms prior methods on both seen and unseen objects under pose variation, scales effectively with additional demonstrations per object, maintains robustness to object rescaling, and achieves strong performance in both simulation and real-world manipulation.
• Abstract（参考訳）: ロボット操作の一般化は、形状、サイズ、ポーズの異なるさまざまな未確認オブジェクトインスタンスにまたがるタスクを実行するためのポリシーを必要とする。 しかしながら、従来の行動クローニング(BC)法は、しばしばインスタンス固有の幾何学や外観に過度に適合し、新しい物体への移動を制限する。 KeyGenは、ポイントクラウドから標準化されたセマンティック3Dキーポイントを学習し、ポリシー学習のための構造化されたオブジェクト中心の表現として使用するフレームワークである。 これらのキーポイント上のビズモータ拡散ポリシー条件は、オブジェクト中心の幾何学とともに、完全な操作軌跡を予測し、オブジェクトインスタンス間の一貫した幾何学的対応を可能にする。 カテゴリレベルの一般化を評価するため,3つの操作タスクを備えたフォトリアリスティック・シミュレーション・ベンチマークと,多種多様なオブジェクトインスタンスにまたがる専門家軌道を生成する計画駆動型データ生成パイプラインを構築した。 実験によると、KeyGenは、ポーズのバリエーションの下で、見えていないオブジェクトと見えないオブジェクトの両方で、先行メソッドを著しく上回り、オブジェクトごとの追加的なデモで効果的にスケールし、オブジェクト再スケーリングに対する堅牢性を維持し、シミュレーションと実世界の操作の両方で強力なパフォーマンスを実現している。

関連論文リスト

• 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)
• Instance-Adaptive Keypoint Learning with Local-to-Global Geometric Aggregation for Category-Level Object Pose Estimation [19.117822086210513]
  カテゴリレベルのオブジェクトのポーズ推定は、事前に定義されたカテゴリから未確認のインスタンスの6Dのポーズとサイズを予測することを目的としている。 Instance-Adaptive Keypoint Learningを可能にする新しいカテゴリレベルのオブジェクトポーズ推定フレームワークであるINKL-Poseを提案する。 CAMERA25、REAL275、HouseCat6Dの実験では、INKL-Poseは16.7Mパラメータで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-04-21T14:37:37Z)
• IAAO: Interactive Affordance Learning for Articulated Objects in 3D Environments [56.85804719947]
  IAAOは知的エージェントのための明示的な3Dモデルを構築するフレームワークで,対話を通して環境内の明瞭な物体の理解を得る。 マスク特徴とビュー一貫性ラベルを多視点画像から抽出し,まず3次元ガウススティング(3DGS)を用いて各オブジェクト状態の階層的特徴とラベルフィールドを構築する。 次に、3Dガウスプリミティブ上でオブジェクトと部分レベルのクエリを実行し、静的および明瞭な要素を識別し、大域的な変換と局所的な調音パラメータをアベイランスとともに推定する。
  論文  参考訳（メタデータ） (2025-04-09T12:36:48Z)
• Geometry-aware RL for Manipulation of Varying Shapes and Deformable Objects [14.481805160449282]
  様々な地形と変形可能な物体で物体を操作することは、ロボット工学における大きな課題である。 我々は、より小さな部分グラフからなる不均一グラフのレンズを通してこの問題をフレーム化する。 本稿では,多種多様な物体の厳密な挿入を含む,新規で挑戦的な強化学習ベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-02-10T20:10:25Z)
• Keypoint Abstraction using Large Models for Object-Relative Imitation Learning [78.92043196054071]
  多様なタスクや環境にまたがる新しいオブジェクト構成やインスタンスへの一般化は、ロボット工学において重要な課題である。 キーポイントに基づく表現は、本質的なオブジェクトキャプチャ機能のための簡潔な表現として有効であることが証明されている。 本稿では,タスク関連およびクロスインスタンス整合性キーポイントの自動生成に,大規模な事前学習型視覚言語モデルを活用するフレームワークであるKALMを提案する。
  論文  参考訳（メタデータ） (2024-10-30T17:37:31Z)
• Learning Generalizable Manipulation Policies with Object-Centric 3D Representations [65.55352131167213]
  GROOTは、オブジェクト中心と3D事前の堅牢なポリシーを学ぶための模倣学習手法である。 ビジョンベースの操作のための初期訓練条件を超えて一般化するポリシーを構築する。 GROOTのパフォーマンスは、バックグラウンドの変更、カメラの視点シフト、新しいオブジェクトインスタンスの存在に関する一般化に優れています。
  論文  参考訳（メタデータ） (2023-10-22T18:51:45Z)
• Generative Category-Level Shape and Pose Estimation with Semantic Primitives [27.692997522812615]
  本稿では,1枚のRGB-D画像からカテゴリレベルのオブジェクト形状とポーズ推定を行う新しいフレームワークを提案する。 カテゴリ内変動に対処するために、様々な形状を統一された潜在空間にエンコードするセマンティックプリミティブ表現を採用する。 提案手法は,実世界のデータセットにおいて,SOTAのポーズ推定性能とより優れた一般化を実現する。
  論文  参考訳（メタデータ） (2022-10-03T17:51:54Z)
• Fusing Local Similarities for Retrieval-based 3D Orientation Estimation of Unseen Objects [70.49392581592089]
  我々は,モノクロ画像から未確認物体の3次元配向を推定する作業に取り組む。 我々は検索ベースの戦略に従い、ネットワークがオブジェクト固有の特徴を学習するのを防ぐ。 また,LineMOD,LineMOD-Occluded,T-LESSのデータセットを用いた実験により,本手法が従来の手法よりもはるかに優れた一般化をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-03-16T08:53:00Z)
• Towards Self-Supervised Category-Level Object Pose and Size Estimation [121.28537953301951]
  本研究は,一深度画像からのカテゴリレベルのオブジェクトポーズとサイズ推定のための自己教師型フレームワークを提案する。 我々は、同じ形状の点雲における幾何学的整合性を利用して自己超越する。
  論文  参考訳（メタデータ） (2022-03-06T06:02:30Z)

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。