論文の概要: USDCraft: Geometrically Grounded Programmatic Modeling of Articulated 3D Assets for Simulation

• arxiv url: http://arxiv.org/abs/2610.11322v1
• Date: Thu, 08 Oct 2026 06:23:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.834983
• Title: USDCraft: Geometrically Grounded Programmatic Modeling of Articulated 3D Assets for Simulation
• Title（参考訳）: USDCraft: シミュレーションのためのArticulated 3D Assetの幾何学的基底プログラムモデリング
• Abstract要約: メッシュベースの手法は、注釈付き3Dアセットから調音を推測することを学ぶが、実際のオブジェクトがトレーニングディストリビューションの外に落ちても、デプロイは難しいままである。 我々は,あらかじめ訓練されたLLMが,タスク固有の訓練を伴わずに,シミュレーション可能な調音資産のプログラムを作成・更新するフレームワークであるUSDCraftを紹介した。 実験では、2つのベンチマークで主導的な調音回復を示し、実際のロボット操作に対するUSDCraftの有効性を検証する。
• 参考スコア（独自算出の注目度）: 22.177503424962797
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Geometrically faithful and functional articulated 3D assets are essential for real-to-sim robot manipulation, where policies trained in simulation must transfer to physical objects. Recent mesh-based methods learn to infer articulation from annotated 3D assets, but deployment remains challenging when real-world objects fall outside the training distribution or their meshes are incomplete or corrupted. To address these limitations, we formulate articulated asset reconstruction as programmatic modeling grounded in partial geometric evidence and introduce USDCraft, a framework in which a pretrained LLM writes and revises executable programs for simulation-ready articulated assets without task-specific training. We propose source geometry analysis, which converts the source mesh into a metric textual description that distinguishes observed surface from unknown space, and iterative geometric rechecking, which re-encodes each candidate in the same representation so that discrepancies point to program edits while unobserved regions remain open to completion. Visual feedback and physical authoring guidance complete the modeling process, which produces articulated USD assets with explicit physical properties that load into Isaac Sim without manual adjustment. Experiments demonstrate leading articulation recovery on two benchmarks and validate USDCraft's effectiveness for real-to-sim-to-real robot manipulation.
• Abstract（参考訳）: 幾何学的に忠実で機能的な3Dアセットは、シミュレーションで訓練されたポリシーが物理的オブジェクトに転送されなければならない実物から実物へのロボット操作に不可欠である。 最近のメッシュベースの手法では,アノテートされた3Dアセットから調音を推測する方法が学習されているが,実際のオブジェクトがトレーニングディストリビューションの外に落下したり,メッシュが不完全あるいは破損した場合,デプロイは依然として困難である。 これらの制約に対処するため、我々は、部分的幾何学的証拠に基づくプログラム的モデリングとしてアセット再構築を定式化し、事前訓練されたLLMがタスク固有の訓練をせずにシミュレーション可能なアセットの実行可能なプログラムを書き、修正する枠組みであるUSDCraftを紹介した。 本稿では,ソースメッシュを未知の空間から観測された表面を識別する計量テキスト記述に変換するソースジオメトリ解析と,各候補を同じ表現で再エンコードして,未観測領域が未観測領域の編集を完了まで継続する反復幾何学的再検査を提案する。 視覚フィードバックと物理的オーサリングガイダンスはモデリングプロセスを完成させ、手動で調整することなくアイザック・シムにロードする明示的な物理的特性を持つUSD資産を生成する。 実験では、2つのベンチマークで主導的な調音回復を示し、実際のロボット操作に対するUSDCraftの有効性を検証する。

関連論文リスト

• CoDimRecon: Agentic Reconstruction of Sim-Ready 3D Scenes with Deformable Curves, Surfaces, and Volumes [17.804468719817347]
  本稿では,厳密で明瞭で変形可能なオブジェクトを含む編集可能なシーンを再構築するエージェントフレームワークであるCoDimReconを紹介する。 シーンレベルの幾何学的前提は地上スケールとレイアウトであり、オブジェクトレベルのメッシュはエージェントを詳細なコンパクトな幾何学へ導く。 変形物の場合、カテゴリーワイドエージェントセッションは曲線を半径中心線として再構成し、表面を厚さの多様体シェルとして、体積を水密な固体として再構成する。
  論文  参考訳（メタデータ） (2026-09-28T18:01:23Z)
• Fysiverse-3D-SimReady Technical Report: Agentic Physical Simulation for Pragmatic 3D World Reconstruction [49.58319707131411]
  Fysiverse-3D-SimReadyは,シミュレーション可能なマルチオブジェクトシーンを1枚のRGB画像から再構成するための基礎的な改良フレームワークである。 この方法は、生成されたオブジェクトメッシュを共有重力に沿ったシーンに配置し、異なるレンダリングによってカメラ空間のポーズを洗練し、シーンレベルのサポートと接触を安定した物理的実行のために修正する。 実験により、Fysiverse-3D-SimReadyは、既存の単一画像再構成とシーン生成ベースラインに対する入力-ビューアライメント、接触可視性、物理的安定性を改善した。
  論文  参考訳（メタデータ） (2026-09-21T12:08:00Z)
• RORA: Realistic Object Reconstruction with Articulation [10.305820103142269]
  本研究では,1つの静的オブジェクトビデオ入力から正確な調音でシミュレーション可能なアセットを再構築する,最初のエンドツーエンドパイプラインを提案する。 提案手法は,レンダリングのための3DGSと物理インタラクションのためのメッシュベースの幾何学を組み合わせたハイブリッド表現を輸出する。 提案手法は,partnet-mobility-v0データセットと実オブジェクトに対して,正確な調音結果が得られることを示す。
  論文  参考訳（メタデータ） (2026-08-05T13:36:58Z)
• KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding [58.541098216700796]
  エンボディド・ワールド・モデルの 物理的整合性を評価することは 重要なオープン・チャレンジです 既存のフレームワークはほとんどがアクション抽出に逆ダイナミクスモデル(IDM)に依存している。 IDMのないEWMのためのクローズドループベンチマークであるKineBenchを紹介する。
  論文  参考訳（メタデータ） (2026-07-22T08:04:17Z)
• URDF-Anything+: Autoregressive Articulated 3D Models Generation for Physical Simulation [45.4820195450296]
  本稿では,視覚的観察から実行可能なオブジェクトモデルを直接生成する,エンドツーエンドの自動回帰フレームワークを提案する。 視覚的観察から構築された高忠実度デジタル双生児は、シミュレーションで訓練されたポリシーを、オンライン適応なしで実際のロボットに転送することができる。
  論文  参考訳（メタデータ） (2026-03-14T16:23:44Z)
• GIC: Gaussian-Informed Continuum for Physical Property Identification and Simulation [60.33467489955188]
  本稿では,視覚的観察を通して物理特性(システム同定)を推定する問題について検討する。 物理特性推定における幾何学的ガイダンスを容易にするために,我々は新しいハイブリッドフレームワークを提案する。 本研究では,3次元ガウス点集合としてオブジェクトを復元する動き分解に基づく動的3次元ガウスフレームワークを提案する。 抽出された物体表面に加えて、ガウスインフォームド連続体はシミュレーション中の物体マスクのレンダリングを可能にする。
  論文  参考訳（メタデータ） (2024-06-21T07:37:17Z)

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。