論文の概要: Physics-Aware Object-Centric SE(3) Forecasting for Real-Time Proactive Dynamic Grasping

• arxiv url: http://arxiv.org/abs/2610.17843v1
• Date: Tue, 13 Oct 2026 07:05:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 17:03:10.197023
• Title: Physics-Aware Object-Centric SE(3) Forecasting for Real-Time Proactive Dynamic Grasping
• Title（参考訳）: 物理を意識した物体中心SE(3)リアルタイム動的グラスピングのための予測
• Abstract要約: アクティブな動的把握には、現在観察されている物体のポーズに反応するのではなく、物理的な接触が起こる将来の状態をロボットが予測する必要がある。 我々は,SE(3)における接触関連剛体状態は,この問題に対するコンパクトなタスク十分抽象化であると主張している。 この洞察は、短いポーズ履歴から将来の剛体軌道を予測する軽量なオブジェクト中心予測-then-selectフレームワークに導かれる。
• 参考スコア（独自算出の注目度）: 30.391926944563775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Proactive dynamic grasping requires robots to predict the future state at which physical contact will occur, rather than reacting to the currently observed object pose. But what future must the robot predict, and at what level of abstraction? We argue that contact-relevant rigid-body state in SE(3) is a compact task-sufficient abstraction for this problem: it directly determines where and when the robot should establish contact, without requiring visually complete future scenes. This insight leads to a lightweight object-centric forecast-then-select framework that predicts future rigid-body trajectories from short pose histories and uses a reachability-aware interception selector to choose feasible contact states under kinematic and timing constraints. Trained with randomized physics simulation over primitive shapes, the forecaster transfers to real objects once their metric geometry and SE(3) state histories are recovered. Experiments across simulation and real-world dynamic grasping tasks show that our framework improves the average success rate from \(24.5\%\) to \(62.0\%\) in simulation, and from \(15.3\%\) to \(67.3\%\) in real-world catching, conveyor, and turntable interception. The SE(3) forecaster runs in \(15\,\mathrm{ms}\), orders of magnitude faster than dense visual future prediction, enabling real-time contact decision making. Our results suggest that effective proactive grasping does not require imagining the entire future scene. Instead, predicting the compact physical future that determines contact provides an effective and practical abstraction for real-time dynamic grasping.
• Abstract（参考訳）: アクティブな動的把握には、現在観察されている物体のポーズに反応するのではなく、物理的な接触が起こる将来の状態をロボットが予測する必要がある。 しかし、ロボットはどんな未来を予測しなければならないのか。 本論では,SE(3)における接触関連剛体状態は,視覚的に完全な未来シーンを必要とせず,ロボットがいつ接触を確立すべきかを直接的に決定する,コンパクトなタスク十分抽象化である,と論じる。 この知見は、短いポーズ履歴から将来の剛体軌道を予測する軽量なオブジェクト中心予測-then-selectフレームワークに導かれ、到達可能性を考慮したインターセプションセレクタを使用して、運動とタイミングの制約の下で実現可能な接触状態を選択する。 原始形状上のランダム化物理シミュレーションで訓練された予測器は、計量幾何学とSE(3)状態履歴が回復すると、実物体に遷移する。 シミュレーションおよび実世界の動的把握タスクによる実験により,実世界の捕捉,コンベア,ターンテーブルインターセプションにおいて,我々のフレームワークは,シミュレーションにおける平均成功率((24.5\%)から(62.0\%)へ,および15.3\%)から(67.3\%)へ改善することが示された。 SE(3)予測器は、15\,\mathrm{ms}\ で動作し、高密度の視覚的将来の予測よりも桁違いに高速で、リアルタイムな接触決定を可能にする。 以上の結果から,効果的な能動的把握は将来のシーン全体を想像する必要がないことが示唆された。 代わりに、接触を決定するコンパクトな物理的未来を予測することは、リアルタイムな動的把握に効果的で実践的な抽象化を提供する。

関連論文リスト

• ResWorld: Temporal Residual World Model for End-to-End Autonomous Driving [40.28153843744977]
  動的オブジェクトモデリングに焦点を当てた時間的残留世界モデル(TR-World)を提案する。 シーン表現の時間的残差を計算することにより、動的対象の情報を検出・追跡に頼ることなく抽出することができる。 また,FGTR(Future-Guided Trajectory Refinement)モジュールも提案する。
  論文  参考訳（メタデータ） (2026-02-11T14:12:26Z)
• What Happens Next? Anticipating Future Motion by Generating Point Trajectories [76.16266402727643]
  一つの画像から動きを予測し、世界の物体がどのように動くかを予測する問題を考察する。 我々はこのタスクを,現代のビデオジェネレータのアーキテクチャを忠実に追従するモデルを用いて,高密度トラジェクトリグリッドの条件生成として定式化する。 このアプローチはシーン全体のダイナミクスと不確実性を捉え、以前の回帰器やジェネレータよりも正確で多様な予測をもたらす。
  論文  参考訳（メタデータ） (2025-09-25T21:03:56Z)
• Existence Is Chaos: Enhancing 3D Human Motion Prediction with Uncertainty Consideration [27.28184416632815]
  トレーニングデータにおける記録された動きは、所定の結果ではなく、将来の可能性の観測である可能性が示唆された。 不確実性を考慮した計算効率の良いエンコーダデコーダモデルを提案する。
  論文  参考訳（メタデータ） (2024-03-21T03:34:18Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• SPOTR: Spatio-temporal Pose Transformers for Human Motion Prediction [12.248428883804763]
  3次元人間の動き予測は、コンピュータビジョンにおける高い重要性と課題を計算した研究領域である。 伝統的に、自己回帰モデルは人間の動きを予測するために用いられてきた。 人間の動作予測のための非自己回帰モデルを提案する。
  論文  参考訳（メタデータ） (2023-03-11T01:44:29Z)
• PREF: Predictability Regularized Neural Motion Fields [68.60019434498703]
  ダイナミックなシーンで3Dの動きを知ることは、多くの視覚応用にとって不可欠である。 多視点設定における全ての点の運動を推定するために神経運動場を利用する。 予測可能な動きを正規化することを提案する。
  論文  参考訳（メタデータ） (2022-09-21T22:32:37Z)
• Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning [63.25627328308978]
  本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。 現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。 我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
  論文  参考訳（メタデータ） (2022-05-06T13:45:32Z)
• End-to-end Contextual Perception and Prediction with Interaction Transformer [79.14001602890417]
  我々は3次元物体の検出と将来の動きを自動運転の文脈で予測する問題に取り組む。 空間的・時間的依存関係を捉えるために,新しいトランスフォーマーアーキテクチャを用いたリカレントニューラルネットワークを提案する。 私たちのモデルはエンドツーエンドでトレーニングでき、リアルタイムで実行されます。
  論文  参考訳（メタデータ） (2020-08-13T14:30:12Z)
• Physically constrained short-term vehicle trajectory forecasting with naive semantic maps [6.85316573653194]
  本稿では,エージェントの一般的な動きだけでなく,意味地図から関連する道路特徴を抽出する学習モデルを提案する。 我々は,道路境界を考慮した将来の動きを予測できるだけでなく,当初の訓練よりも長い時間的地平線の軌道を効果的かつ正確に予測できることを示した。
  論文  参考訳（メタデータ） (2020-06-09T09:52:44Z)

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。