論文の概要: Learning Dynamic Grasping
- arxiv url: http://arxiv.org/abs/2610.14848v1
- Date: Sat, 10 Oct 2026 12:06:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 11:28:06.790105
- Title: Learning Dynamic Grasping
- Title（参考訳）: 動的グラスピングの学習
- Abstract要約: キャラクタアニメーション,拡張現実,エンボディエージェントの4Dハンドオブジェクト把握シーケンスを合成する。
我々のフレームワークは、物体の運動回復から手動生成を分離する。
latentHOIと比較して,本手法は各設定においてよりスムーズな手と物体の動きを生成し,接触と侵入の指標を一致または改善する。
- 参考スコア（独自算出の注目度）: 38.87382285986781
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Synthesizing believable 4D hand-object grasping sequences is important for character animation, extended reality, and embodied agents. Grasping requires a hand to approach, contact, and lift or manipulate an object coherently. Existing synthesis methods often model only the final static grasp or rely on additional conditions, such as language, target grasps, or object trajectories, to specify the interaction. We instead study the underconstrained problem of generating a complete grasping motion from a single initial hand-object state. Our framework decouples hand-motion generation from object-motion recovery. Given an object point cloud in the initial wrist frame and the initial parameterized hand configuration, conditional flow matching predicts a sequence-level contact map and a hand pose at each normalized sequence time. This time-indexed formulation avoids the error accumulation of autoregressive rollout while representing the complete motion. We then infer an attachment frame and recover rigid-object motion through training-free, contact-guided weighted registration. We evaluate on held-out DexYCB objects and unseen object geometries reconstructed from in-the-wild videos by Open-CHOIR. Compared with LatentHOI, our method produces smoother hand and object motion in every setting, matches or improves on its contact and penetration metrics in the wild under a shared initialization, and is about 30x faster per generated frame. In a 15-participant study, our motions were preferred in roughly two thirds of (forced-choice pairwise) comparisons. Precise contact closure on novel geometry, however, remains a key open challenge.
- Abstract（参考訳）: キャラクタアニメーション、拡張現実、エンボディエージェントにおいて、4Dハンドオブジェクト把握シーケンスの合成が重要である。
グラッピングは、物体に接近し、接触し、持ち上げ、操作するための手を必要とする。
既存の合成法はしばしば、最終的な静的グリップのみをモデル化するか、言語、ターゲットグリップ、オブジェクトトラジェクトリといった追加条件に依存して相互作用を特定する。
代わりに、1つの初期対象状態から完全な把握動作を生成するという制約の少ない問題について検討する。
我々のフレームワークは、物体の運動回復から手動生成を分離する。
初期手首フレーム内のオブジェクトポイントクラウドと初期パラメータ化ハンド構成とが与えられた場合、条件付きフローマッチングは、各正規化されたシーケンス時間毎に、シーケンスレベルのコンタクトマップとハンドポーズを予測する。
このタイムインデックスによる定式化は、完全な動きを表現しながら自動回帰ロールアウトの誤差蓄積を回避する。
トレーニング不要で接触ガイド付き重み付き登録により,アタッチメントフレームを推論し,剛体運動を回復する。
我々は,Open-CHOIRによる撮影映像から再構成したDexYCBオブジェクトと未確認オブジェクトのジオメトリを評価した。
latentHOIと比較して,本手法は各設定においてよりスムーズな手と物体の動きを生成し,共有初期化条件下で野生の接触と侵入の指標を一致または改善し,生成フレーム毎の約30倍高速である。
15名を対象にした調査では,約3分の2(強制選択対)の運動が好まれていた。
しかし、新しい幾何学に関する正確な接触閉鎖は、依然として重要なオープンチャレンジである。
関連論文リスト
- MAD-HOI: Masked Autoregressive Diffusion for Generating Articulated Hand Object Interactions from Text [4.764824772285089]
HOI 生成用 Masked Autoregression with Diffusion (MAD-HOI) モデルを提案する。
提案手法は,手動と物体の動きを連続的な潜伏空間に符号化し,ストリームワイズ制御を維持するためにアンタングルを保ったままにすることから始める。
MAD-HOIは、原子および複合的な調音配列の運動生成、条件付き動作完了および埋め込み、および単一の訓練目標からのEOM(End of Motion)予測を行うことができる。
論文 参考訳（メタデータ） (2026-08-10T19:30:59Z) - CHOIR: Contact-aware 4D Hand-Object Interaction Reconstruction [73.97421249653412]
単眼カメラ用コンタクト対応HOI再構成フレームワークであるCHOIRについて述べる。
ChoIRは、まず、オープンワールドの視覚的先行から、粗い接触に依存しない4D HOI配列を初期化する。
次に、生成したHOI空間補正モジュールを導入し、光深度補正を予測し、手動相対配置を補正する。
最後に、動的に更新された接触制約を伴う接触認識関節最適化は、幾何学的、時間的、接触整合性を強制する。
論文 参考訳（メタデータ） (2026-05-20T10:31:10Z) - Grasp in Gaussians: Fast Monocular Reconstruction of Dynamic Hand-Object Interactions [66.64605515970584]
単一のモノクロビデオから動的3次元物体間相互作用を再構築する頑健な手法であるガウス語でGraspを提示する。
我々のキーとなる洞察は、コンパクトなガウス・オブ・ガウス表現を用いて、正確かつ時間的に安定な手動物体の動きを復元できるということである。
公開ベンチマークの実験では、GraGは時間的にコヒーレントな手-物体の相互作用を前よりも6.4倍高速に再構成している。
論文 参考訳（メタデータ） (2026-04-14T16:19:12Z) - UniHand: A Unified Model for Diverse Controlled 4D Hand Motion Modeling [45.29560152294065]
UniHandは、条件付きモーション合成として推定と生成の両方を定式化する統合拡散ベースのフレームワークである。
視覚観察は凍結したバックボーンで符号化され、専用のハンドパーセプトロンは画像特徴から直接手固有のキューを抽出する。
潜在拡散モデルは、様々な条件から一貫した動き列を合成する。
論文 参考訳（メタデータ） (2026-02-25T06:53:15Z) - ManiDext: Hand-Object Manipulation Synthesis via Continuous Correspondence Embeddings and Residual-Guided Diffusion [36.9457697304841]
ManiDextは、手操作やポーズを把握するための階層的な拡散ベースの統合フレームワークである。
私たちの重要な洞察は、相互作用中の物体と手との接触関係を正確にモデル化することが重要であるということです。
本フレームワークは,まず,物体表面への接触マップと対応埋め込みを生成する。
これらの微粒な対応に基づき,拡散過程に反復的精錬プロセスを統合する新しいアプローチを導入する。
論文 参考訳（メタデータ） (2024-09-14T04:28:44Z) - Shuffled Autoregression For Motion Interpolation [53.61556200049156]
この作業は、モーションタスクのためのディープラーニングソリューションを提供することを目的としている。
本稿では,自己回帰を任意の(シャッフルされた)順序で生成するために拡張する,emphShuffled AutoRegressionと呼ばれる新しいフレームワークを提案する。
また,3つのステージを終端から終端の時空間運動変換器に組み込んだ依存グラフの構築手法を提案する。
論文 参考訳（メタデータ） (2023-06-10T07:14:59Z) - Tracking and Reconstructing Hand Object Interactions from Point Cloud
Sequences in the Wild [35.55753131098285]
本稿では,手関節運動を推定するために,点クラウドを用いた手関節追跡ネットワークであるHandTrackNetを提案する。
このパイプラインは,予測ハンドジョイントをテンプレートベースパラメトリックハンドモデルMANOに変換することで,全ハンドを再構築する。
オブジェクトトラッキングでは,オブジェクトSDFを第1フレームから推定し,最適化に基づくトラッキングを行う,シンプルで効果的なモジュールを考案する。
論文 参考訳（メタデータ） (2022-09-24T13:40:09Z) - D-Grasp: Physically Plausible Dynamic Grasp Synthesis for Hand-Object
Interactions [47.55376158184854]
動的合成把握タスクを導入する。
既知の6Dポーズと把握基準を持つオブジェクトが与えられた場合、私たちのゴールはオブジェクトをターゲット6Dポーズに移動させる動作を生成することです。
階層的なアプローチは、タスクを低レベルの把握と高レベルのモーション合成に分解する。
論文 参考訳（メタデータ） (2021-12-01T17:04:39Z) - 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) - Leveraging Photometric Consistency over Time for Sparsely Supervised
Hand-Object Reconstruction [118.21363599332493]
本稿では,ビデオ中のフレームの粗いサブセットに対してのみアノテーションが利用できる場合に,時間とともに光度整合性を活用する手法を提案する。
本モデルでは,ポーズを推定することにより,手や物体を3Dで共同で再構成するカラーイメージをエンドツーエンドに訓練する。
提案手法は,3次元手動画像再構成の精度向上に有効であることを示す。
論文 参考訳（メタデータ） (2020-04-28T12:03:14Z)
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。