論文の概要: RoboFin3D: A Sim-to-Real Platform for Robotic Surface Finishing
- arxiv url: http://arxiv.org/abs/2609.37560v1
- Date: Tue, 29 Sep 2026 13:32:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.562603
- Title: RoboFin3D: A Sim-to-Real Platform for Robotic Surface Finishing
- Title（参考訳）: RoboFin3D:ロボット表面の仕上げをシミュレートするプラットフォーム
- Abstract要約: 我々はIsaac Sim上に構築されたSim-to-realプラットフォームであるRoboFin3Dを紹介する。
SAMフィニッシュ実験のための物理ベースの研削とシミュレーションを提供する。
また,シミュレーション生成データを用いて性能を向上させることも実証した。
- 参考スコア（独自算出の注目度）: 10.711359386932026
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Grinding and sanding are fundamental processes in industrial robotic surface finishing. However, physical trials are expensive and consume workpieces, making reproducible experiments difficult. We present RoboFin3D, a sim-to-real platform built on Isaac Sim and the Newton physics engine, that provides physics-based grinding and sanding simulation for cheap and repeatable robotic surface finishing experiments. RoboFin3D utilizes a signed distance field (SDF) to model the changing geometry of the workpiece, enabling contact computation, live updates and rendering without an intermediate mesh. It additionally uses a separate surface field to model progressive surface appearance change during sanding. We also introduce WeldGen, a weld sampling module, to generate weld beads on 8,918 real-world workpiece meshes for providing diverse simulation assets. The simulation parameters are calibrated on real experimental results and our evaluation demonstrates our simulation's fidelity against the real world. We also demonstrate that simulation-generated data can be used to improve the performance of perception models. Simulation-only fine-tuning of SAM2 improves IoU for segmentation of unsanded regions from 77.15% to 84.47%, while combined synthetic and real training reaches 97.41%.
- Abstract（参考訳）: 研削とサンディングは産業用ロボット表面仕上げの基本的なプロセスである。
しかし、物理的な試行は高価であり、工芸品を消費し、再現可能な実験を困難にしている。
私たちが紹介するRoboFin3Dは、Isaac SimとNewton物理エンジンをベースとして、安価で繰り返し可能なロボット表面仕上げ実験のために、物理ベースの研削とサンディングシミュレーションを提供するシミュレート・トゥ・リアルなプラットフォームである。
RoboFin3Dは、署名された距離場(SDF)を使用してワークの幾何学の変化をモデル化し、中間メッシュを使わずに接触計算、ライブ更新、レンダリングを可能にする。
さらに、別個の表面場を使用して、サンディング中の進行表面の外観変化をモデル化する。
また溶接サンプリングモジュールであるWeldGenを導入し,8,918個の実世界のワークピースメッシュ上で溶接ビーズを生成し,多様なシミュレーションアセットを提供する。
シミュレーションパラメータを実実験結果に基づいて校正し,実世界に対するシミュレーションの忠実さを実証する。
また,シミュレーション生成データを用いて知覚モデルの性能を向上させることも実証した。
SAM2のシミュレーションのみの微調整により、未処理領域のセグメンテーションのIoUは77.15%から84.47%に改善され、合成訓練と実際の訓練は97.41%に達した。
関連論文リスト
- OASIS: From Simulation Data Collection to Real-World Humanoid Loco-Manipulation [51.37436817948304]
OASISはヒューマノイドのロコ操作のためのシミュレーションデータ駆動のフレームワークである。
3次元生成モデルを用いて実世界の画像から現実的なオブジェクト資産を再構築する。
ゼロショットデプロイメントでは、実際のロボット遠隔操作データでトレーニングされたタスクよりも、ほとんどのタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-06-07T10:01:53Z) - ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation [90.4702774169675]
本稿では,古典シミュレーションとニューラルシミュレーションを組み合わせた合成シミュレーションというハイブリッド手法を提案する。
提案手法では,少数の実世界のデータを活用するクローズドループ・リアル・シモン・リアル・データ拡張パイプラインを利用する。
我々はニューラルシミュレーターをトレーニングし、古典的なシミュレーションビデオを現実世界の表現に変換し、現実の環境で訓練されたポリシーモデルの精度を向上させる。
論文 参考訳（メタデータ） (2026-04-13T12:25:45Z) - Mirage2Matter: A Physically Grounded Gaussian World Model from Video [87.9732484393686]
我々は、グラフィック駆動の世界モデリングおよびシミュレーションフレームワークであるSimulate Anythingを紹介する。
実世界の環境を3次元ガウススプレイティング(3DGS)による写実的シーン表現に再構築する。
次に、生成モデルを利用して、物理的に現実的な表現を復元し、精度校正ターゲットを介してシミュレーション環境に統合する。
論文 参考訳（メタデータ） (2026-01-24T07:43:57Z) - Data-Driven Terramechanics Approach Towards a Realistic Real-Time Simulator for Lunar Rovers [2.741208189962245]
月面の高忠実度シミュレータは、ローバー操作とミッション計画の広範なテストのためのデジタル環境を提供する。
現在のシミュレーターは視覚的リアリズムか物理的精度に重点を置いており、月面条件を包括的に再現する能力を制限する。
この研究は、月面上のローバーのリアルな表現のために、高い視覚的忠実度と現実的な地形相互作用を組み合わせることで、そのギャップに対処する。
論文 参考訳（メタデータ） (2026-01-08T03:23:31Z) - RoboPearls: Editable Video Simulation for Robot Manipulation [81.18434338506621]
RoboPearlsは、ロボット操作のための編集可能なビデオシミュレーションフレームワークである。
3D Gaussian Splatting (3DGS)に基づいて構築されたRoboPearlsは、フォトリアリスティックでビュー一貫性のあるシミュレーションの構築を可能にする。
我々は、RLBench、COLOSSEUM、Ego4D、Open X-Embodiment、現実世界のロボットなど、複数のデータセットやシーンで広範な実験を行う。
論文 参考訳（メタデータ） (2025-06-28T05:03:31Z) - Vid2Sim: Realistic and Interactive Simulation from Video for Urban Navigation [62.5805866419814]
Vid2Simは、ニューラル3Dシーンの再構築とシミュレーションのためのスケーラブルで費用効率のよいReal2simパイプラインを通じてsim2realギャップをブリッジする新しいフレームワークである。
実験により、Vid2Simはデジタル双生児と現実世界の都市ナビゲーションの性能を31.2%、成功率68.3%で大幅に改善することが示された。
論文 参考訳（メタデータ） (2025-01-12T03:01:15Z) - Efficient Physics Simulation for 3D Scenes via MLLM-Guided Gaussian Splatting [32.846428862045634]
Sim Anythingは、静的な3Dオブジェクトにインタラクティブなダイナミクスを与える物理ベースのアプローチである。
人間の視覚的推論に触発されて,MLLMに基づく物理特性知覚を提案する。
また、物理幾何学的適応サンプリングを用いて粒子をサンプリングして、オープンワールドシーンでオブジェクトをシミュレートする。
論文 参考訳（メタデータ） (2024-11-19T12:52:21Z) - Benchmarking the Sim-to-Real Gap in Cloth Manipulation [10.530012817995656]
布の操作におけるシム・トゥ・リアルギャップを評価するためのベンチマークデータセットを提案する。
このデータセットを用いて、一般的な4つの変形可能なオブジェクトシミュレータの現実的ギャップ、計算時間、安定性を評価する。
論文 参考訳（メタデータ） (2023-10-14T09:36:01Z)
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。