論文の概要: RiCo: Neural Simulation of Rigid-Body Interactions via Local Contact Reasoning

• arxiv url: http://arxiv.org/abs/2610.12333v1
• Date: Thu, 08 Oct 2026 17:11:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.202762
• Title: RiCo: Neural Simulation of Rigid-Body Interactions via Local Contact Reasoning
• Title（参考訳）: RiCo:局所接触推論による剛体-体相互作用のニューラルシミュレーション
• Abstract要約: 実際には、剛体接触は本質的に局所的であり、近くの表面のみが接触力を直接交換することができる。 リギッドボディの接触共振(RiCo)を導入し,接触面点の粗い近傍から物体間の相互作用を表現した。 RiCoは接点密度が高く、それぞれ11.0%と2.22mmの平均深度差がある。
• 参考スコア（独自算出の注目度）: 42.970962843065394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate simulation of rigid-body interactions is essential for predictive physical world models. Despite recent progress in modeling object dynamics, capturing how local contacts between surfaces shape object motion remains challenging. While end-to-end world models predict interactions across entire scenes or objects, in practice, rigid-body contact is inherently local, and only nearby surfaces can directly exchange contact forces. Motivated by this observation, we introduce Rigid-body Contact Reasoning (RiCo), which represents interactions between objects through sparse neighborhoods of contact surface points. RiCo combines each point's state with the relative geometry, motion, and physical properties of nearby surfaces, then reasons across the object's points to determine how these local contacts jointly affect its motion. By confining cross-object reasoning to nearby surfaces while propagating contact information within each rigid body, RiCo retains fine-grained interaction details without the cost of modeling every pair of scene points. Such properties enable RiCo a higher accuracy and contact fidelity. Experiments on MOVi-benchmark demonstrate that RiCo reduces 100-frame position and orientation errors by 31-35% and approximately 38%, respectively, compared with baselines. Moreover, RiCo achieves high contact fidelity, with ground-truth-relative penetration-time and mean-depth differences of 11.0% and 2.22 mm, respectively. RiCo further generalizes zero-shot from small-scale training scenarios to scenes containing 270 objects. Our real-world multi-ball collision experiments further provide preliminary evidence of sim-to-real transfer.
• Abstract（参考訳）: 剛体相互作用の正確なシミュレーションは、予測物理世界モデルに不可欠である。 近年のモデリングの進歩にもかかわらず、表面間の局所的な接触がどのように物体の動きを形作るかはいまだに困難なままである。 エンド・ツー・エンドの世界モデルは、シーン全体やオブジェクト間の相互作用を予測しますが、実際には、剛体接触は本質的に局所的であり、近くの表面だけが接触力を直接交換することができます。 この観察から得られたRiCo(Rigid-body Contact Reasoning)は,接触面点の粗い近傍における物体間の相互作用を表す。 RiCoは各点の状態と、近傍の表面の相対的な幾何学、運動、物理的性質を結合し、これらの局所的な接触が運動にどのように影響するかを決定するために、物体の点を越えて理由を定めている。 各剛体内部の接触情報を伝播しながら、近傍の表面へのクロスオブジェクト推論を収束させることにより、RiCoは、一対のシーンポイントをモデリングするコストを伴わずに、きめ細かい相互作用の詳細を保持する。 このような性質により、RiCoの精度は向上し、接触忠実度も向上する。 MOVi-benchmarkの実験では、ベースラインと比較して、RiCoは100フレームの位置と向きの誤差を31～35%削減し、約38%削減した。 さらに、RiCoは接点密度が高く、それぞれ11.0%と2.22mmの平均深度差がある。 RiCoはさらに、小規模のトレーニングシナリオから270のオブジェクトを含むシーンまで、ゼロショットを一般化している。 実世界の多球衝突実験により、シミュレート・トゥ・リアル・トランスファーの予備的証拠が得られた。

関連論文リスト

• SARI: Phase-Split Sim-Real Co-Training for Contact-Rich Manipulation [17.448768420363262]
  視覚言語アクションモデルはしばしば、コンタクトリッチな操作タスクに適応するために、コストのかかる実世界のデモを必要とする。 本稿では、空間的カバレッジと接触物理を、最も適した領域から取得する、簡単な洞察に基づいて、位相分割型sim-and-realコトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-02T04:50:08Z)
• SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
  密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。 本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。 SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,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） (2026-04-15T07:41:52Z)
• Real-to-Sim for Highly Cluttered Environments via Physics-Consistent Inter-Object Reasoning [11.05191602561784]
  単一視点からの物理的に有効な3Dシーンの再構築は、視覚知覚とロボット制御のギャップを埋めるための前提条件である。 本稿では,物理制約付き実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実
  論文  参考訳（メタデータ） (2026-02-13T05:24:58Z)
• Dynamic Avatar-Scene Rendering from Human-centric Context [75.95641456716373]
  分離されたモデルと最適化されたモデルをブリッジするbf分離マップ(StM)戦略を提案する。 StMは、視覚的品質とレンダリングの精度の両方において、既存の最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-11-13T17:39:06Z)
• DecoupledGaussian: Object-Scene Decoupling for Physics-Based Interaction [21.80091691062415]
  DecoupledGaussianは、接触した表面から静止物体を分離する新しいシステムだ。 DecoupledGaussianを総合的なユーザスタディと定量的ベンチマークで検証する。 このシステムは、現実世界の環境におけるオブジェクトやシーンとのデジタルインタラクションを強化し、VR、ロボティクス、自動運転といった産業に恩恵をもたらす。
  論文  参考訳（メタデータ） (2025-03-07T14:54:54Z)
• Integrated Object Deformation and Contact Patch Estimation from Visuo-Tactile Feedback [8.420670642409219]
  本稿では,ビジュオ触覚フィードバックからオブジェクトの変形と接触パッチを共同でモデル化する表現を提案する。 我々は,NDCFを学習するためのニューラルネットワークアーキテクチャを提案し,シミュレーションデータを用いて学習する。 我々は,学習したNDCFが微調整を必要とせず,直接現実世界に転送されることを実証した。
  論文  参考訳（メタデータ） (2023-05-23T18:53:24Z)
• Full-Body Articulated Human-Object Interaction [61.01135739641217]
  CHAIRSは16.2時間の多目的相互作用からなる大規模な動きキャプチャーされたf-AHOIデータセットである。 CHAIRSは、対話的なプロセス全体を通して、人間と明瞭なオブジェクトの両方の3Dメッシュを提供する。 HOIにおける幾何学的関係を学習することにより,人間のポーズ推定を利用した最初のモデルが考案された。
  論文  参考訳（メタデータ） (2022-12-20T19:50:54Z)
• Stability-driven Contact Reconstruction From Monocular Color Images [7.427212296770506]
  物理的接触は、手動状態の復元にさらなる制約を与える。 既存の手法では、接触ラベル付きデータセットから距離閾値または事前に駆動される手動接触を最適化する。 我々のキーとなる考え方は、単分子画像から直接接触パターンを再構築し、シミュレーションの物理的安定性基準を利用して最適化することである。
  論文  参考訳（メタデータ） (2022-05-02T12:23:06Z)

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。