論文の概要: Refine Where It Matters: Contact-Adaptive Meshing for Deformable Object Manipulation

• arxiv url: http://arxiv.org/abs/2610.14142v1
• Date: Fri, 09 Oct 2026 14:39:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 22:58:41.500745
• Title: Refine Where It Matters: Contact-Adaptive Meshing for Deformable Object Manipulation
• Title（参考訳）: 重要箇所のリファイン化: 変形可能なオブジェクト操作のための接触適応型メッシュ
• Abstract要約: コンタクト適応メッシュリファインメントフレームワークは,空間分解能を最も有用な場所にのみ導入する。 実際の変形可能なオブジェクト操作シーケンスに対するアプローチを評価する。 その結果, 局所的な精細化は, 世界規模の微粒化のコストを伴わずとも, 物理的忠実度を向上できることがわかった。
• 参考スコア（独自算出の注目度）: 2.192782571038966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deformable-object manipulation requires accurate modeling of highly localized contact while maintaining simulation speeds suitable for interactive use. Uniformly fine tetrahedral meshes can resolve these interactions, but they introduce unnecessary degrees of freedom throughout the object. Coarse meshes are more efficient, yet they may under-resolve contact-induced deformation. We present a contact-adaptive mesh refinement framework that introduces spatial resolution only where it is most useful. The method uses geometric, elastic, and contact quantities already available from the deformable-body solver to score candidate edges. A fully GPU-parallel procedure then selects a conflict-free subset and updates both mesh topology and physical state directly within the simulation loop. We evaluate the approach on real deformable-object manipulation sequences. Adaptive refinement reduces simulation-to-real error, improves agreement with a fine-mesh reference, and remains substantially more efficient than uniformly fine simulation. These results show that local refinement can improve physical fidelity without incurring the cost of a globally fine discretization. The framework provides a practical basis for contact-rich simulation in interactive manipulation, sim-to-real modeling, and online physical digital twins.
• Abstract（参考訳）: 変形可能なオブジェクト操作には、インタラクティブな使用に適したシミュレーション速度を維持しながら、高度に局所化されたコンタクトの正確なモデリングが必要である。 均一に微細な四面体メッシュはこれらの相互作用を解くことができるが、それらは物体全体に不必要な自由度をもたらす。 粗いメッシュはより効率的であるが、接触によって引き起こされる変形を過小評価する。 空間分解能を最も有用な場所にのみ導入する,接触適応型メッシュ改質フレームワークを提案する。 この方法は、変形可能なボディソルバから既に利用可能な幾何学的、弾性的、接触量を用いて、候補エッジをスコアする。 完全なGPU並列プロシージャがコンフリクトのないサブセットを選択し、シミュレーションループ内でメッシュトポロジと物理状態を直接更新する。 実際の変形可能なオブジェクト操作シーケンスに対するアプローチを評価する。 アダプティブ・リファインメント(Adaptive refinement)はシミュレーション・トゥ・リアルの誤差を低減し、微細な参照との一致を改善し、一様の微細なシミュレーションよりもはるかに効率的である。 これらの結果から, 局所的な精細化は, 世界規模での微粒化のコストを伴わずとも, 物理的忠実度を向上させることが示唆された。 このフレームワークは、インタラクティブな操作、シミュレート・トゥ・リアル・モデリング、オンライン物理デジタルツインにおけるコンタクトリッチ・シミュレーションの実践的基盤を提供する。

関連論文リスト

• RAFL: Generalizable Sim-to-Real of Soft Robots with Residual Acceleration Field Learning [2.9644314918775962]
  微分シミュレータは、材料パラメータ、制御、形態に対するソフトロボットの勾配に基づく最適化を可能にする。 本稿では,移動可能な要素レベルの補正力学場をベースシミュレータに拡張した残留加速度場学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-23T14:40:02Z)
• Simulation-Ready Cluttered Scene Estimation via Physics-aware Joint Shape and Pose Optimization [27.083888910311984]
  実世界の観測からシミュレーション可能なシーンを推定することは、下流の計画と政策学習タスクに不可欠である。 既存の手法は乱雑な環境で苦労する。 実写シーン推定のための統一的な最適化に基づく定式化を提案する。
  論文  参考訳（メタデータ） (2026-02-23T18:58:24Z)
• Learning Deformable Body Interactions With Adaptive Spatial Tokenization [7.74274240680049]
  変形可能な物体間の相互作用のシミュレーションは、材料科学、機械設計、ロボット工学などの分野において不可欠である。 オブジェクト間の相互作用をモデル化するには、ペアワイズなグローバルエッジを動的に作成する必要がある。 物理的状態の効率的な表現のための適応的空間トークン化(AST)手法を提案する。
  論文  参考訳（メタデータ） (2025-07-18T07:27:35Z)
• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)
• DiffCloud: Real-to-Sim from Point Clouds with Differentiable Simulation and Rendering of Deformable Objects [19.435386865144586]
  本稿では,最近のニューラルネットワークアーキテクチャを用いて実点雲からのシミュレーションパラメータ推論を行う方法について述べる。 そこで本研究では,アライメントの実現に要する時間を大幅に短縮するために,異なる点クラウドサンプリングと微分可能なシミュレーションを活用することを提案する。 高度に変形可能なオブジェクトによる実験は、本手法が実際のオブジェクトの振る舞いと同等あるいはより良いアライメントを達成できることを示します。
  論文  参考訳（メタデータ） (2022-04-07T00:45:26Z)
• Real-time Pose and Shape Reconstruction of Two Interacting Hands With a Single Depth Camera [79.41374930171469]
  本稿では,2つの強く相互作用する手の位置と形状をリアルタイムに再現する新しい手法を提案する。 われわれのアプローチは、有利なプロパティの広範なリスト、すなわちマーカーレスを組み合わせている。 過去の研究で示された複雑性レベルを超える場面で、最先端の結果を示す。
  論文  参考訳（メタデータ） (2021-06-15T11:39:49Z)

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。