論文の概要: Measuring Asset and Scene Reconstruction Effects in Real-to-Sim Robot Evaluation

• arxiv url: http://arxiv.org/abs/2610.00731v2
• Date: Fri, 02 Oct 2026 14:19:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:43:28.502203
• Title: Measuring Asset and Scene Reconstruction Effects in Real-to-Sim Robot Evaluation
• Title（参考訳）: 実時間ロボット評価におけるアセットとシーン再構成の効果の測定
• Abstract要約: 提案する再建パイプラインは,既定のオープンソースレシピと比較して,シミュレーションと実際のロボットスコアの相違を低減できるかどうかを検証する。 我々は,2つのシミュレーションされた2つのバイマニュアル・ロボット・セルを構築した。 私たちはハーネス、裁判ごとのスコア、報告されたランの構成、そして両方の再建の資産とシーンをリリースします。
• 参考スコア（独自算出の注目度）: 0.2512868737908968
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulated evaluation is increasingly used alongside real-world evaluation of robot policies because it is cheaper and easier to repeat; however, its value depends on how closely its outcomes track the real robot's. We test whether our reconstruction pipeline, combining metrically scaled object geometry, authored physical parameters and scene reconstruction, reduces disagreement between simulated and real robot scores relative to a default open-source recipe. We constructed two simulated versions of one bimanual robot cell: an authored reconstruction, using object geometry at estimated metric scale, projected textures, authored physics and our own scene splat; and a baseline, referred to as the default reconstruction, using the open-source recipe of a generative single-image mesh, engine-default physics and a Gaussian-splat scene. Both reconstructions use the same object photographs and scene video. Two policies ran five tasks each, giving ten task-policy pairs, which we call cells; each cell was run twenty times in each reconstruction with all other settings held fixed. Both reconstructions were scored against the same real trials, graded by a third-party evaluator. Pearson correlation between the ten simulated and real cell means is r = 0.90 for the authored reconstruction and 0.51 for the default. Mean score error is 6.97 percentage points for the authored reconstruction and 17.54 for the default, a reduction of 10.56 percentage points. These results show that improving the quality of the environment reconstruction through higher visual fidelity, authored physics and metric scale makes the simulation more faithful to the real world and narrows the sim-to-real gap. We release the harness, the per-trial scores, every reported run's configuration, and the assets and scenes of both reconstructions.
• Abstract（参考訳）: シミュレーション評価は、より安価で繰り返しやすいため、ロボットポリシーの現実的な評価と並行して用いられることが多いが、その価値は、実際のロボットがどれくらいの頻度で追跡しているかによって異なる。 提案する再構成パイプラインは,計量スケールのオブジェクト形状,物理パラメータのオーサリング,シーン再構成を組み合わせ,既定のオープンソースレシピに対するシミュレーションと実際のロボットスコアの相違を低減できるかどうかを検証した。 我々は,2つのシミュレーションされた2つのバイマダルロボットセルを構築した: 推定計量スケールでの物体形状を用いたオーソライズされた再構成,投影されたテクスチャ,オーソライズされた物理とシーンスプラット; および,生成する単一イメージメッシュのオープンソースレシピ,エンジンデフォルト物理,ガウス版シーンのベースライン。 どちらの復元も、同じオブジェクト写真とシーンビデオを使用する。 2つのポリシーがそれぞれ5つのタスクを実行し、10つのタスクとポリシのペアを与えました。 双方の再建は、第三者の評価官によって評価された、同じ実際の裁判に対して行われた。 シミュレーションされた10個のセルと実際のセルとのピアソン相関は、著者による再構成では r = 0.90 、デフォルトでは 0.51 である。 平均スコア誤差は、認可された復元では6.97ポイント、デフォルトでは17.54ポイントであり、10.56ポイントの削減である。 これらの結果から,高次視覚的忠実度による環境復元の質の向上が,シミュレーションをより現実に忠実にし,シム・トゥ・リアルギャップを狭めることが示唆された。 私たちはハーネス、裁判ごとのスコア、報告されたランの構成、そして両方の再建の資産とシーンをリリースします。

関連論文リスト

• Agentic Real2Sim: Physics-based World Modeling with Vision-Language Agents [42.18672329354181]
  textitAgentic Real2Simは視覚言語エージェントを用いた物理世界モデリングのためのフレームワークである。 我々は,剛体オブジェクトの操作,変形性オブジェクトのインタラクション,ヒューマノイドモーションシーンにおけるエージェントReal2Simの評価を行った。 フレームワークのエージェント的決定は、フロンティアモデルのコストのごく一部で、オープンウェイトなVLMバックエンドによって駆動される。
  論文  参考訳（メタデータ） (2026-07-21T15:23:38Z)
• RoboSnap: One-Shot Real-to-Sim Scene Generation for Generalizable Robot Learning and Evaluation [55.07260698542592]
  我々は,1枚のRGB画像をシミュレーション可能なシーンに変換する,リアル・トゥ・シミュレート・フレームワークであるRoboSnapを紹介した。 DROIDシーンと実ロボットタスクの実験は、復元されたシーンでRoboSnapが信頼できる軌道再生を実現することを示している。 DROIDのリアルワールドシーン564から構築したリアル・トゥ・シムデータセットであるDROID-Simを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T18:19:10Z)
• SimFoundry: Modular and Automated Scene Generation for Policy Learning and Evaluation [43.92931315573574]
  SimFoundry(シムファウントリー)は、ビデオから実写シーンをゼロショットで撮影するシステムである。 SimFoundryは、再現された現実世界のシーンをサポートする類似のデジタルツインを生成する。 シミュレーションにおいて、オブジェクト、シーン、タスク従兄弟で訓練されたポリシーは、それぞれ平均タスク成功率を17%、21%、40%改善している。
  論文  参考訳（メタデータ） (2026-06-26T17:18:43Z)
• Toward Visually Realistic Simulation: A Benchmark for Evaluating Robot Manipulation in Simulation [62.51953630639423]
  既存のベンチマークには視覚的リアリズムがなく、シミュレーションと現実の間に大きな領域ギャップが生じる。 シミュレーションにおけるロボット操作評価のための,視覚的にリアルなベンチマークであるVISERを提案する。 VISERは、物理ベースのレンダリング(PBR)素材を備えた1000以上の3Dアセットの高忠実度データセットと、それらのアセットから作成される3Dシーンを、レイアウトや生成によって構成する。
  論文  参考訳（メタデータ） (2026-05-07T14:13:05Z)
• PolaRiS: Scalable Real-to-Sim Evaluations for Generalist Robot Policies [88.78188489161028]
  シミュレーションにおける政策評価と環境復元(PolaRiS)の導入 PolaRiSは、高忠実度シミュレーションロボット評価のためのスケーラブルなリアルタイム・シミュレート・フレームワークである。 PolaRiSの評価は,既存のシミュレーションベンチマークよりも,現実のジェネラリストのポリシー性能に強い相関関係があることが示されている。
  論文  参考訳（メタデータ） (2025-12-18T18:49:41Z)
• Is Single-View Mesh Reconstruction Ready for Robotics? [78.14584238127338]
  本研究では,ロボット操作のための物理シミュレータを用いたリアルタイム計画と動的予測のためのディジタル双対生成の実現の可能性について,単一ビューメッシュ再構成モデルの評価を行った。 我々の研究は、コンピュータビジョンの進歩とロボティクスの必要性の間に重要なギャップがあることを浮き彫りにし、この交差点における将来の研究を導く。
  論文  参考訳（メタデータ） (2025-05-23T14:35:56Z)
• Reconstructing People, Places, and Cameras [57.81696692335401]
  Humans and Structure from Motion (HSfM) は、メカニカルワールド座標系において、複数の人メッシュ、シーンポイント雲、カメラパラメータを共同で再構築する手法である。 以上の結果から,SfMパイプラインに人体データを組み込むことで,カメラのポーズ推定が改善された。
  論文  参考訳（メタデータ） (2024-12-23T18:58:34Z)

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。