論文の概要: AIM: Adaptive Interaction Modeling Networks for Real-to-Sim Soft-Body Simulation

• arxiv url: http://arxiv.org/abs/2610.07116v1
• Date: Mon, 05 Oct 2026 16:52:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.566134
• Title: AIM: Adaptive Interaction Modeling Networks for Real-to-Sim Soft-Body Simulation
• Title（参考訳）: AIM:実次元ソフトボディシミュレーションのための適応相互作用モデリングネットワーク
• Abstract要約: 本稿では,実時間から実時間までのソフトボディシミュレーションを局所的相互作用モデリング問題として扱うアダプティブ・インタラクション・モデリング・フレームワークを提案する。 PhysTwin と PGND の実験では、PhysTwin に対する将来の予測誤差を 20.0% 削減することで、運動精度と視覚的忠実度が改善された。 このフレームワークはさらに、アクション、オブジェクトインスタンス、シーン間の転送をサポートしており、ターゲットドメインのダイナミックスフィッティングを使わずに、ロボットインタラクションから人間操作へのゼロショット転送もサポートしている。
• 参考スコア（独自算出の注目度）: 8.824833986830456
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deformable-object manipulation is essential for robotic tasks such as folding laundry and handling food, where robots must control shape changes as well as object motion. Predictive soft-body simulation supports these tasks by anticipating deformation under external interactions. However, spatial neighborhoods can misrepresent deformation dependencies, introducing local errors that accumulate over successive predictions. Models fitted to individual scenes must also accommodate changes in object geometry and manipulation conditions. In this work, we propose AIM, an Adaptive Interaction Modeling framework that treats real-to-sim soft-body simulation as a local-global interaction modeling problem. AIM uses motion history and geometry to adapt particle relations over current spatial neighbors and retained connections, while geometry-conditioned global communication coordinates object-wide responses. A unified kinematic control-point interface represents different manipulation configurations, and multi-step autoregressive supervision trains the model on its own predicted trajectories. Experiments on PhysTwin and PGND demonstrate improved motion accuracy and visual fidelity, with a 20.0% reduction in future-prediction tracking error relative to PhysTwin and a 22.8% reduction in mean long-horizon particle error across six object categories relative to PGND. The framework further supports transfer across actions, object instances, and scenes, including zero-shot transfer from robot interactions to human manipulation without target-domain dynamics fitting.
• Abstract（参考訳）: 変形可能な物体操作は、洗濯物を折り畳んだり、食べ物を扱うといったロボット作業には不可欠であり、ロボットは物体の動きだけでなく形状の変化を制御する必要がある。 予測ソフトボディシミュレーションは、外部相互作用下での変形を予測してこれらのタスクをサポートする。 しかし、空間的近傍は変形依存を誤って表現し、連続した予測に蓄積する局所誤差を導入する。 個々のシーンに適合するモデルは、オブジェクトの幾何学や操作条件の変化も許容しなければならない。 本研究では,実時間から実時間までのソフトボディシミュレーションを局所的相互作用モデリング問題として扱う適応的相互作用モデリングフレームワークであるAIMを提案する。 AIMは運動履歴と幾何学を用いて、現在の空間的隣り合う粒子関係を適応させ、接続を維持し、幾何条件のグローバル通信座標はオブジェクト全体の応答を制御する。 統合されたキネマティック制御ポイントインタフェースは、異なる操作構成を表し、多段階の自動回帰監視は、モデルを予測された軌道上で訓練する。 PhysTwin と PGND の実験では、PhysTwin に対する将来の予測追跡誤差を 20.0% 削減し、PGND に対する6つの対象カテゴリにおける平均長軸粒子誤差を 22.8% 削減した。 このフレームワークはさらに、アクション、オブジェクトインスタンス、シーン間の転送をサポートしており、ターゲットドメインのダイナミックスフィッティングを使わずに、ロボットインタラクションから人間操作へのゼロショット転送もサポートしている。

関連論文リスト

• World Motion Models: Flexible Sequence Modeling of SE(3) Trajectories [82.08884552902076]
  WMM(World Motion Models)を提案する。 この表現は、明瞭な物体、人体、手動物体の相互作用、断片的に巧妙なシーンダイナミクス、カメラモーション、さらにはロボットの状態とアクションを単一の共有空間に統一する。
  論文  参考訳（メタデータ） (2026-10-01T14:13:24Z)
• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• IOI: Decoupling Kinematics and Physics for Interactive World Models [46.3330122411516]
  我々は,キネマティクスと学習物理力学を統合したハイブリッド対話型世界モデルIOIを提案する。 IOIは、運動軌跡を正確に計算するための明示的なキネマティックガイダンス、キネマティックスシーケンスを導入している。 RoboTwinベンチマークの実験は、キネマティックな忠実さ、アウト・オブ・ディストリビューション、およびポリシー評価を越えてIOIを検証する。
  論文  参考訳（メタデータ） (2026-06-22T13:09:34Z)
• ByteLoom: Weaving Geometry-Consistent Human-Object Interactions through Progressive Curriculum Learning [19.292101162897975]
  本稿では,幾何的に一貫したオブジェクト図面を持つ実写HOIビデオを生成するByteLoomを紹介する。 まず、相対座標マップ(RCM)をオブジェクトの幾何整合性を維持する普遍表現として活用するRCM-cache機構を提案する。 次に、モデル能力を進歩的なスタイルで向上し、ハンドメッシュの需要を緩和するトレーニングカリキュラムを設計する。
  論文  参考訳（メタデータ） (2025-12-28T09:38:36Z)
• Towards High-Consistency Embodied World Model with Multi-View Trajectory Videos [24.111891848073288]
  身体的世界モデルは、視覚的な観察と行動を通じて物理的世界と予測し、相互作用することを目的としている。 MTV-Worldは正確なビジュモータ予測のためのマルチビュートラジェクトリ・ビデオ制御を導入した。 MTV-Worldは、複雑なデュアルアームシナリオにおける正確な制御実行と正確な物理的相互作用モデリングを実現する。
  論文  参考訳（メタデータ） (2025-11-17T02:17:04Z)
• Controllable Human-Object Interaction Synthesis [77.56877961681462]
  本研究では,3次元シーンにおける同期物体の動きと人間の動きを生成するための制御可能な人間-物体相互作用合成(CHOIS)を提案する。 ここでは,高レベルな計画から効果的に抽出できるスタイルや意図を言語記述が通知し,シーン内の動きをグラウンド化する。 我々のモジュールは経路計画モジュールとシームレスに統合され、3D環境における長期的相互作用の生成を可能にします。
  論文  参考訳（メタデータ） (2023-12-06T21:14:20Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)

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。