論文の概要: Same Action, Different Outcome: Variability in Dynamic Cloth Manipulation

• arxiv url: http://arxiv.org/abs/2610.10801v1
• Date: Wed, 07 Oct 2026 19:00:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.63668
• Title: Same Action, Different Outcome: Variability in Dynamic Cloth Manipulation
• Title（参考訳）: 同じ行動, 異なる結果: 動的衣服操作における可変性
• Abstract要約: 布の上での高速動動の繰り返しによる変動の定量化を行う。 その結果, 分散性は主に布の物性によって駆動されるが, 速度とともに増大することがわかった。 4つの現代の布シミュレーターで全てのロールアウトを再生することにより、実際の布で観測した変動の大きさを再現できないことを示す。
• 参考スコア（独自算出の注目度）: 6.214229538101047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although cloth is known to exhibit different outcomes under repeated fast dynamic motions, even when the same trajectory is applied, this variability has not yet been systematically characterized. Quantifying it is essential to assess the reliability of learned manipulation policies and the extent to which simulation can reproduce real-world behavior. To study this, we execute the same trajectory ten times across four dynamic tasks, two of which are novel, each tested with three cloths of very different properties and at up to three execution speeds, with a total of 269 recorded rollouts. For all of them, we record small marker positions on the cloth and synchronized stereo camera. We then formalize different metrics to quantify variability, and our results show how it is significant in every test condition, in most cases one to three orders of magnitude above the repeatability inherent to the robot and sensing noise. Our results also show variability is driven mainly by the cloth physical properties but also grows with speed. By replaying all the rollouts in four calibrated modern cloth simulators, we show that none of them can reproduce the variability magnitude we observed in real cloth, nor its ordering. Together with our analysis, we publish the dataset with synchronized OptiTrack, vision and robot logs and their corresponding simulator twins.
• Abstract（参考訳）: ファストダイナミックな動きを繰り返して異なる結果を示すことが知られているが、同じ軌道が適用されたとしても、この変動性はまだ体系的に特徴づけられていない。 学習した操作ポリシーの信頼性とシミュレーションが現実世界の振る舞いを再現できる程度を評価することが不可欠である。 これを研究するために、4つの動的タスクで10回同じ軌道を実行し、そのうち2つは新規で、それぞれが3つの異なる特性と最大3つの実行速度でテストされ、合計269のロールアウトが記録されている。 これらすべてに対して、布の上に小さなマーカーの位置を記録し、ステレオカメラを同期させる。 次に、変数の定量化のために異なる指標を定式化し、その結果が全てのテスト条件において、ほとんどの場合、ロボット固有の再現可能性と知覚ノイズよりも1～3桁も大きいことを示します。 また, 本研究の結果から, 主に布の物理的特性によって変動が促進されるが, 速度とともに成長することが明らかとなった。 これらすべてのロールアウトを4つのキャリブレーションされた現代の布シミュレーターで再生することにより、実際の布やその順序で観察した変動の大きさを再現することができないことを示す。 分析とともに、同期したOptiTrack、ビジョンとロボットログ、およびそれに対応するシミュレーターツインを用いたデータセットを公開する。

関連論文リスト

• Neural Networks for Temporal Pattern Recognition and Dynamic Arm Gesture Speed Estimation for Robot Control [0.0]
  ニューラルネットワークは骨格データからジェスチャーの速度を確実に推定できることを示す。 これらの結果は、速度認識型ジェスチャー制御ロボットシステムへの道を開く。
  論文  参考訳（メタデータ） (2026-10-08T10:08:56Z)
• 4DSynth: Controllable Procedural World Synthesis for Dynamic Embodied Simulation [16.13796756164597]
  身体的エージェントは、視覚的に多様性があり、物理的にインタラクティブで、時間とともに変化する環境を必要とする。 4D Synthは、自然言語記述、青写真マスク、または1枚の写真を編集可能な4D環境に変換する、制御可能な手続きシステムである。 複数のシーンルートが1つの幾何学的地上表現を共有しているため、同じパイプラインがアニメーション、カメラ計画、レンダリング、タスク生成を処理する。
  論文  参考訳（メタデータ） (2026-08-27T10:49:20Z)
• Ada3Drift: Adaptive Training-Time Drifting for One-Step 3D Visuomotor Robotic Manipulation [53.750389076941396]
  拡散に基づくビジュモータポリシーは反復的認知を通じて多モーダルな動作分布をキャプチャするが、その高い推論遅延はリアルタイムロボット制御を制限する。 Ada3Driftは,専門家のデモモードに対して予測された行動を引き付ける訓練時間ドリフト場を学習する。 Ada3Driftは、拡散ベースの代替よりも10倍の関数評価を必要としながら、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-12T14:36:53Z)
• Learning with Category-Equivariant Representations for Human Activity Recognition [0.0]
  本稿では,信号の時間,スケール,センサの階層的変化を捉えた分類的対称性認識学習フレームワークを提案する。 我々はこれらの要素を特徴表現の構造に組み込み、センサー間の関係を自動的に保存するモデルを生成する。 UCI Human Activity Recognitionベンチマークでは、このカテゴリーの対称性駆動設計により、約46ポイントの精度で分布外精度が向上する。
  論文  参考訳（メタデータ） (2025-11-02T11:37:36Z)
• MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。 このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• Towards Multi-Layered 3D Garments Animation [135.77656965678196]
  既存のアプローチは主に、人間の体だけによって駆動される単層衣服に焦点を合わせ、一般的なシナリオを扱うのに苦労している。 本研究では,マイクロ物理システムにおける粒子間相互作用として,衣服レベルのアニメーションをモデル化するための新しいデータ駆動手法であるLayersNetを提案する。 実験の結果,LayersNetは定量的にも定性的にも優れた性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2023-05-17T17:53:04Z)
• ReMoDiffuse: Retrieval-Augmented Motion Diffusion Model [33.64263969970544]
  3Dのモーション生成はクリエイティブ産業にとって不可欠だ。 近年の進歩は、テキスト駆動モーション生成のためのドメイン知識を持つ生成モデルに依存している。 本稿では拡散モデルに基づく動き生成フレームワークReMoDiffuseを提案する。
  論文  参考訳（メタデータ） (2023-04-03T16:29:00Z)
• Stochastic Layers in Vision Transformers [85.38733795180497]
  視覚変換器の完全な層を導入し,性能を著しく低下させることなく実現した。 この追加により、視覚機能の堅牢性が向上し、プライバシーが強化される。 私たちの機能は3つの異なるアプリケーション、すなわち、敵の堅牢性、ネットワークキャリブレーション、機能プライバシに使用しています。
  論文  参考訳（メタデータ） (2021-12-30T16:07:59Z)
• Vision Transformers are Robust Learners [65.91359312429147]
  ビジョントランスフォーマー(ViT)の一般的な腐敗や摂動、分布シフト、自然逆転例に対する堅牢性について検討します。 ViTsが実際により堅牢な学習者である理由を説明するために、定量的および定性的な指標を提供する分析を提示します。
  論文  参考訳（メタデータ） (2021-05-17T02:39:22Z)

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。