論文の概要: OmniDex: Scaling Dexterous Hand Grasping to Diverse Cluttered Scenes

• arxiv url: http://arxiv.org/abs/2610.11194v1
• Date: Thu, 08 Oct 2026 03:58:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.787421
• Title: OmniDex: Scaling Dexterous Hand Grasping to Diverse Cluttered Scenes
• Title（参考訳）: OmniDex: バラバラなシーンへのデキサスハンドのスケーリング
• Abstract要約: Dexterous graspingは、AIを具現化した基本的なプリミティブであり、堅牢なモデルをトレーニングするために大量のデータを要求する。 本稿では,スラジッシュなシーンレベルの最適化を回避し,スケーラブルなシード・アンド・フィルタ戦略を提案する。 これは、260万のシーンと0.4Bのシーン固有のグリープグラウンド真実からなる前例のないベンチマークをもたらす。
• 参考スコア（独自算出の注目度）: 38.67257633783911
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dexterous grasping is the foundational primitive in embodied AI, demanding massive data to train robust models. As real-world data collection is expensive, simulation has become the mainstream paradigm. Yet, while cluttered scenes best reflect real-world applications, learning to grasp within them is bottlenecked by a critical scarcity of large-scale data. To resolve this, we curate high-quality 3D objects and supporting bases, proposing a scalable seed-and-filter strategy that bypasses sluggish scene-level optimization. This yields an unprecedented benchmark comprising over 2.6 million scenes and 0.4B scene-specific grasp ground truths, featuring diverse realistic layouts paired with rich semantic and geometric observations. Furthermore, we introduce the OmniDex model to overcome the grasp multimodality and last-millimeter precision errors plaguing current generative models. By coupling Soft Winner-Takes-All learning with human-inspired physical constraints during training, and utilizing physics-driven ranking, our approach achieves robust dexterous grasping without the latency of post-optimization. Experimental results show that OmniDex model achieves state-of-the-art performance and strong generalization across diverse scenes, views, and unseen objects.
• Abstract（参考訳）: Dexterous graspingは、AIを具現化した基本的なプリミティブであり、堅牢なモデルをトレーニングするために大量のデータを要求する。 実世界のデータ収集は高価であるため、シミュレーションが主流となっている。 しかし、散らかったシーンは現実世界の応用を最もよく反映しているが、その内部で把握する学習は、大規模データの重大な不足によってボトルネックとなる。 これを解決するため,我々は高品質な3Dオブジェクトとベースをキュレートし,スラジッシュなシーンレベルの最適化を回避できるスケーラブルなシード・アンド・フィルタ戦略を提案する。 これは、260万のシーンと0.4Bのシーン固有のグリーググラウンド真実からなる前例のないベンチマークをもたらし、多様な現実的なレイアウトとリッチなセマンティックと幾何学的な観察を組み合わせている。 さらに,OmniDexモデルを導入して,現行の生成モデルを用いた把握多モード性および最終ミリ精度誤差を克服する。 ソフト・ウィンナー・テイクス・オール・ラーニングを、トレーニング中に人間に触発された身体的制約と結合し、物理によるランク付けを活用することにより、後最適化のレイテンシを伴わずに、頑健な巧妙な把握を実現する。 実験結果から,OmniDexモデルは様々なシーン,ビュー,見えないオブジェクトにまたがって,最先端のパフォーマンスと強力な一般化を実現することが示された。

関連論文リスト

• FreeScale: Scaling 3D Scenes via Certainty-Aware Free-View Generation [75.74617373156902]
  FreeScaleは、限られた現実世界の画像シーケンスを、高品質なトレーニングデータのスケーラブルなソースに変換するフレームワークである。 フィードフォワードNVSモデルのトレーニングをスケールアップし,PSNRにおける2.7dBの顕著なゲインを達成することにより,FreeScaleの有効性を示す。 私たちの仕事は、3Dビジョンの根本的なボトルネックを克服するために、実用的で強力なデータ生成エンジンを提供します。
  論文  参考訳（メタデータ） (2026-04-12T08:00:53Z)
• NuiWorld: Exploring a Scalable Framework for End-to-End Controllable World Generation [19.342379757491177]
  我々は,次世代の課題に対処するためのフレームワークであるNuiWorldを紹介する。 さまざまなサイズとレイアウトのシーンを合成し、エンドツーエンドモデルをトレーニングするのに十分なデータを生成します。 筆者らのフレームワークは,擬似スケッチラベルによる制御性を実現し,以前は見つからなかったスケッチに対する一般化の度合いを示す。
  論文  参考訳（メタデータ） (2026-01-27T00:04:02Z)
• 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)
• SimVS: Simulating World Inconsistencies for Robust View Synthesis [102.83898965828621]
  本稿では、生成ビデオモデルを利用して、キャプチャ中に起こりうる世界の不整合をシミュレートする手法を提案する。 我々の世界シミュレーション戦略は、現実のシーンのバリエーションを扱う上で、従来の拡張手法よりも大幅に優れていることを実証する。
  論文  参考訳（メタデータ） (2024-12-10T17:35:12Z)
• OmniRe: Omni Urban Scene Reconstruction [78.99262488964423]
  OmniReはデバイス上でのログから動的現実シーンの高忠実なデジタルツインを作成するための総合システムである。 提案手法は3DGS上にシーングラフを構築し,様々な動的アクターをモデル化する標準空間内に複数のガウス表現を構築する。
  論文  参考訳（メタデータ） (2024-08-29T17:56:33Z)
• Enhancing Generalizability of Representation Learning for Data-Efficient 3D Scene Understanding [50.448520056844885]
  本研究では,実世界のパターンを持つ多様な合成シーンを生成可能なベイズネットワークを提案する。 一連の実験は、既存の最先端の事前学習手法に比べて、我々の手法が一貫した優位性を示す。
  論文  参考訳（メタデータ） (2024-06-17T07:43:53Z)
• Robust Category-Level 3D Pose Estimation from Synthetic Data [17.247607850702558]
  CADモデルから生成されたオブジェクトポーズ推定のための新しい合成データセットであるSyntheticP3Dを紹介する。 逆レンダリングによるポーズ推定を行うニューラルネットワークモデルをトレーニングするための新しいアプローチ(CC3D)を提案する。
  論文  参考訳（メタデータ） (2023-05-25T14:56:03Z)

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。