論文の概要: RoboSimStudio: An Interactive Toolkit for Human and Agent Rapid Real2Sim of Robot Manipulation Tasks
- arxiv url: http://arxiv.org/abs/2610.18835v2
- Date: Wed, 14 Oct 2026 17:02:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.700451
- Title: RoboSimStudio: An Interactive Toolkit for Human and Agent Rapid Real2Sim of Robot Manipulation Tasks
- Title（参考訳）: RoboSimStudio:ロボット操作タスクのラピッドリアル2Simのためのインタラクティブツールキット
- Abstract要約: RoboSimStudio(RSS)は、解法、接触モデル、物理パラメータを明示的かつ編集可能なインタラクティブツールキットである。
オープンなニュートン物理シミュレーションシステムを用いてRSSを実装し,人間の誘導する実2simを用いた実験を記述した。
- 参考スコア（独自算出の注目度）: 17.76299483207247
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: It has been difficult to accurately model the physics of the interaction between a robot and the objects it manipulates, including contact mechanics, coupled contact dynamics, deformations, stiffness and friction. We present RoboSimStudio (RSS), an interactive toolkit that makes choices of solver, contact model, and physical parameters explicit and editable, allowing both humans and coding agents to quickly create and iteratively refine simulations based on observed physical behavior. We implement RSS with the open Newton physics simulation system and describe experiments with human-guided real2sim using (1) visual evaluation, (2) force-feedback and (3) agentic Real2Sim2Real. Code, video and additional information can be found on the project website: https://robosimstudio.github.io
- Abstract（参考訳）: ロボットと操作対象との相互作用の物理を正確にモデル化することは困難であり、接触力学、結合接触力学、変形、剛性、摩擦などが含まれる。
本稿では,対話型ツールキットであるRoboSimStudio(RSS)について紹介する。解法,接触モデル,物理パラメータを明示的かつ編集可能とし,人間とコーディングエージェントの両方が,観測された物理的挙動に基づいてシミュレーションを迅速に作成・反復的に洗練することを可能にする。
オープンニュートン物理シミュレーションシステムを用いてRSSを実装し,(1)視覚的評価,(2)力覚フィードバック,(3)エージェントReal2Sim2Realを用いて人間誘導リアル2simを用いた実験を記述した。
コード、ビデオ、追加情報はプロジェクトのWebサイトにある。
関連論文リスト
- Code2Worlds-2: Physically Plausible Agent Harness for Embodied World Simulation [57.44452322402844]
我々は、4Dワールドジェネレーションを具現化された世界シミュレーションに変換するCode2Worlds-2をCode2Worldsの拡張として提示する。
SimCode4Dや、自然、屋内、工業、都市、ロボットが操作可能なシーンでの実験は、Code2Worlds-2が物理的に可塑性でシミュレータ互換でロボットが操作可能なシーンを制作していることを示している。
論文 参考訳（メタデータ） (2026-10-13T03:30:40Z) - Agentic Real2Sim: Physics-based World Modeling with Vision-Language Agents [42.18672329354181]
textitAgentic Real2Simは視覚言語エージェントを用いた物理世界モデリングのためのフレームワークである。
我々は,剛体オブジェクトの操作,変形性オブジェクトのインタラクション,ヒューマノイドモーションシーンにおけるエージェントReal2Simの評価を行った。
フレームワークのエージェント的決定は、フロンティアモデルのコストのごく一部で、オープンウェイトなVLMバックエンドによって駆動される。
論文 参考訳（メタデータ） (2026-07-21T15:23:38Z) - D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。
提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。
これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-03-01T15:32:04Z) - SIMPACT: Simulation-Enabled Action Planning using Vision-Language Models [60.80050275581661]
VLM(Vision-Language Models)は、目覚しい常識と意味論的推論能力を示す。
物理力学に関する基礎的な理解は欠如している。
テストタイムでシミュレーション可能な ACTion Planning フレームワークである S を提案する。
本手法は,5つの難易度,実世界の剛体および変形可能な操作課題に対して,最先端の性能を示す。
論文 参考訳（メタデータ） (2025-12-05T18:51:03Z) - Real-to-Sim Robot Policy Evaluation with Gaussian Splatting Simulation of Soft-Body Interactions [27.247431258140463]
本稿では,現実の映像からソフトボディのディジタルツインを構築するための,リアル・トゥ・シミュレート・ポリシー評価フレームワークを提案する。
我々は,ぬいぐるみのパッキング,ロープルーティング,Tブロックプッシュなど,代表的な変形可能な操作タスクに対するアプローチを検証する。
論文 参考訳（メタデータ） (2025-11-06T18:52:08Z) - RoboPearls: Editable Video Simulation for Robot Manipulation [81.18434338506621]
RoboPearlsは、ロボット操作のための編集可能なビデオシミュレーションフレームワークである。
3D Gaussian Splatting (3DGS)に基づいて構築されたRoboPearlsは、フォトリアリスティックでビュー一貫性のあるシミュレーションの構築を可能にする。
我々は、RLBench、COLOSSEUM、Ego4D、Open X-Embodiment、現実世界のロボットなど、複数のデータセットやシーンで広範な実験を行う。
論文 参考訳（メタデータ） (2025-06-28T05:03:31Z) - DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。
本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。
本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
論文 参考訳（メタデータ） (2024-06-04T04:53:05Z) - Skeleton2Humanoid: Animating Simulated Characters for
Physically-plausible Motion In-betweening [59.88594294676711]
現代の深層学習に基づく運動合成アプローチは、合成された運動の物理的妥当性をほとんど考慮していない。
テスト時に物理指向の動作補正を行うシステムSkeleton2Humanoid'を提案する。
挑戦的なLaFAN1データセットの実験は、物理的妥当性と精度の両方の観点から、我々のシステムが先行手法を著しく上回っていることを示している。
論文 参考訳（メタデータ） (2022-10-09T16:15:34Z)
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。