論文の概要: Query-Conditioned Articulation Estimation from a Single Image

• arxiv url: http://arxiv.org/abs/2610.01726v2
• Date: Fri, 02 Oct 2026 06:47:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:29.997361
• Title: Query-Conditioned Articulation Estimation from a Single Image
• Title（参考訳）: 単一画像からの問合せ調律推定
• Abstract要約: 本稿では,1つのRGB画像,2Dクエリポイント,カメラ固有のキネマティクスから調音パラメータを推定するQueryArtを提案する。 16個の対象部位と5つの視点クラスにまたがる57回の操作試験において,移動マニピュレータ上で評価を行い,70.2%の成功率を達成した。
• 参考スコア（独自算出の注目度）: 1.1071349414388978
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Enabling robots to estimate the kinematic parameters of articulated objects unlocks a wide range of capabilities for interaction and manipulation. The estimation has to happen from the information the robot currently observes, often just a single RGB image of an object it has never seen before. Current single-image approaches couple articulation part segmentation with articulation estimation, making their predictions vulnerable to missed detections and incorrect part associations, and they regress metric 3D geometry that a single view fixes only up to scale. We present QueryArt, a model that estimates articulation parameters from a single RGB image, a 2D query point, and camera intrinsics. QueryArt is trained to estimate the 3D articulation geometry relative to the queried point and in units of its depth, which keeps its target identifiable from the image alone. A single depth measurement at the query point then supplies the scale and recovers the metric parameters. We train QueryArt on a curated mixture of synthetic and real-world articulation datasets. We evaluate QueryArt on several benchmarks and compare it against recent baselines. QueryArt outperforms recent baselines on most articulation metrics, including on out-of-distribution data. To demonstrate the model's capabilities in real-world settings, we evaluate QueryArt on a mobile manipulator across 57 manipulation trials spanning 16 object parts and five viewpoint classes, achieving a 70.2% success rate. We provide code and videos at: https://abwerby.github.io/queryart/
• Abstract（参考訳）: ロボットを用いて、調音された物体の運動パラメータを推定することで、対話や操作の幅広い能力を解き放つ。 推定は、ロボットが現在観察している情報から行う必要があり、多くの場合、これまで見たことのない物体の1枚のRGB画像だけから行う。 現在の単一画像は、調音部分のセグメンテーションを調音推定と組み合わせ、その予測を見逃した検出や不正確な部分の関連に対して脆弱にし、単一のビューがスケールまでしか修正しないメートル法3D幾何を後退させる。 本稿では,単一のRGB画像から調音パラメータを推定するモデルであるQueryArtについて述べる。 QueryArtは、クエリされた点と深さの単位で3次元の調音幾何学を推定するように訓練されている。 クエリポイントでの1つの深さ測定がスケールを供給し、メトリックパラメータを復元する。 我々はQueryArtを合成データセットと実世界の調音データセットのキュレートされた混合で訓練する。 いくつかのベンチマークでQueryArtを評価し、最近のベースラインと比較します。 QueryArtは、アウト・オブ・ディストリビューションデータを含む、ほとんどの調音指標の最近のベースラインを上回っている。 実世界の環境でのモデルの能力を実証するために,16のオブジェクト部分と5つの視点クラスにわたる57の操作試験において,モバイルマニピュレータ上でQueryArtを評価し,70.2%の成功率を達成した。 コードとビデオは、https://abwerby.github.io/queryart/.com/で提供します。

関連論文リスト

• Articulated 3D Scene Graphs for Open-World Mobile Manipulation [55.97942733699124]
  本報告では, セマンティックな3次元シーングラフを構築するためのフレームワークであるMoMa-SGについて述べる。 新たな統合的ツイスト推定法を用いて調音モデルを推定する。 また,Arti4D-Semanticデータセットについても紹介する。
  論文  参考訳（メタデータ） (2026-02-18T10:40:35Z)
• 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)
• Estimating Object Physical Properties from RGB-D Vision and Depth Robot Sensors Using Deep Learning [2.07180164747172]
  慣性質量は、物体の把握、操作、シミュレーションなどのロボット応用において重要な役割を果たす。 本稿では,深度画像とRGB画像との疎点クラウドデータを組み合わせて,物体の質量を推定する手法を提案する。
  論文  参考訳（メタデータ） (2025-07-07T14:11:47Z)
• Reconstructing Humans with a Biomechanically Accurate Skeleton [55.06027148976482]
  本研究では,生体力学的に正確な骨格モデルを用いて,単一の画像から3次元人体を再構築する手法を提案する。 3次元メッシュ回復のための最先端の手法と比較して,我々のモデルは標準ベンチマーク上での競合性能を実現している。
  論文  参考訳（メタデータ） (2025-03-27T17:56:24Z)
• Metric3D: Towards Zero-shot Metric 3D Prediction from A Single Image [85.91935485902708]
  ゼロショット単視距離深度モデルの鍵は、大規模データトレーニングと様々なカメラモデルからの距離あいまいさの解消の組合せにあることを示す。 本稿では,あいまいさ問題に明示的に対処し,既存の単分子モデルにシームレスに接続可能な標準カメラ空間変換モジュールを提案する。 本手法は, ランダムに収集したインターネット画像上での計測3次元構造の正確な復元を可能にする。
  論文  参考訳（メタデータ） (2023-07-20T16:14:23Z)
• ARCTIC: A Dataset for Dexterous Bimanual Hand-Object Manipulation [68.80339307258835]
  ARCTICは、オブジェクトを巧みに操作する両手のデータセットである。 正確な3Dハンドメッシュと、詳細でダイナミックな接触情報を組み合わせた2.1Mビデオフレームを含んでいる。
  論文  参考訳（メタデータ） (2022-04-28T17:23:59Z)
• 6-DoF Pose Estimation of Household Objects for Robotic Manipulation: An Accessible Dataset and Benchmark [17.493403705281008]
  本稿では,ロボット操作研究を中心に,既知の物体の6-DoFポーズ推定のための新しいデータセットを提案する。 我々は、おもちゃの食料品の3Dスキャンされたテクスチャモデルと、難解で散らかったシーンにおけるオブジェクトのRGBD画像を提供する。 半自動RGBD-to-modelテクスチャ対応を用いて、画像は数ミリ以内の精度で実証された地上の真実のポーズで注釈付けされる。 また,ADD-Hと呼ばれる新しいポーズ評価尺度を提案し,対象形状の対称性に頑健なハンガリー代入アルゴリズムについて,その明示的な列挙を必要とせず提案する。
  論文  参考訳（メタデータ） (2022-03-11T01:19:04Z)
• DemoGrasp: Few-Shot Learning for Robotic Grasping with Human Demonstration [42.19014385637538]
  本稿では,ロボットに対して,単純で短い人間の実演で物体をつかむ方法を教えることを提案する。 まず、人間と物体の相互作用を示すRGB-D画像の小さなシーケンスを提示する。 このシーケンスを使用して、インタラクションを表す手とオブジェクトメッシュを構築する。
  論文  参考訳（メタデータ） (2021-12-06T08:17:12Z)
• Real-time RGBD-based Extended Body Pose Estimation [57.61868412206493]
  3DヒトポーズのリアルタイムRGBDに基づく推定システムを提案する。 パラメトリック3次元変形可能なヒューマンメッシュモデル(SMPL-X)を表現として使用する。 身体のポーズと表情パラメータの推定子を訓練する。
  論文  参考訳（メタデータ） (2021-03-05T13:37:50Z)
• Nothing But Geometric Constraints: A Model-Free Method for Articulated Object Pose Estimation [89.82169646672872]
  本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。 我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
  論文  参考訳（メタデータ） (2020-11-30T20:46:48Z)

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。