論文の概要: ORD-WM: Learning Object-Centric Rigid Dynamics for 3D World Modeling in Robotic Manipulation
- arxiv url: http://arxiv.org/abs/2610.23156v1
- Date: Fri, 16 Oct 2026 08:54:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.835857
- Title: ORD-WM: Learning Object-Centric Rigid Dynamics for 3D World Modeling in Robotic Manipulation
- Title（参考訳）: ORD-WM:ロボットマニピュレーションにおける3次元世界モデリングのためのオブジェクト中心剛体ダイナミクスの学習
- Abstract要約: ORD-WMは、ロボット操作のためのオブジェクト中心の剛性力学を学習する3次元世界モデルである。
我々は,ORD-WMが安定かつ幾何保存可能なマルチステップ予測を可能にし,閉ループモデル予測制御のための効率的なリアルタイムリプランニングをサポートすることを示す。
- 参考スコア（独自算出の注目度）: 12.828023835968914
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: World models provide robots with a predictive mechanism for reasoning about how actions change object states in manipulation tasks. However, existing image-based and dense 3D world models do not explicitly impose object-level rigid motion, leaving rigid-object geometry preservation to be learned implicitly and making multi-step rollouts susceptible to shape drift or object-level motion inconsistency. To address this, we propose ORD-WM, a 3D world model that learns object-centric rigid dynamics for robotic manipulation. ORD-WM learns a vector-neuron variational autoencoder supervised by signed distance fields, which encodes each object point cloud as a geometry-aware latent representation composed of 3D vector features, and uses an action-conditioned dynamics model to predict object-wise SE(3) motion increments. Rather than generating unconstrained next latent states, ORD-WM analytically applies predicted object-wise rigid transformations to the current latent states, separating persistent object geometry from pose changes. Experiments show that ORD-WM enables stable, geometry-preserving multi-step prediction and supports efficient real-time replanning for closed-loop model predictive control in simulated and real-world manipulation scenarios.
- Abstract（参考訳）: 世界モデルは、操作タスクにおいて、アクションがどのようにオブジェクトの状態を変化させるかを推論するための予測メカニズムをロボットに提供する。
しかし、既存の画像ベースで高密度な3次元世界モデルは、オブジェクトレベルの厳密な動きを明示的に強制せず、剛体オブジェクトの幾何学的保存は暗黙的に学習され、複数ステップのロールアウトがドリフトやオブジェクトレベルの運動の不整合を許容する。
そこで我々は,ロボット操作のためのオブジェクト中心の剛性力学を学習する3次元世界モデルORD-WMを提案する。
ORD-WMは、符号付き距離場によって制御されるベクトル-ニューロン変動オートエンコーダを学習し、各オブジェクトポイントクラウドを3次元ベクトル特徴からなる幾何認識潜在表現として符号化し、アクション条件付きダイナミクスモデルを用いて、オブジェクト-ワイズSE(3)の運動インクリメントを予測する。
制約のない次の潜伏状態を生成する代わりに、ORD-WMは予測されたオブジェクト指向の剛性変換を現在の潜伏状態に適用し、ポーズ変化から永続的なオブジェクト幾何学を分離する。
実験により,ORD-WMは安定な幾何保存型マルチステップ予測を可能にし,シミュレーションおよび実世界の操作シナリオにおける閉ループモデル予測制御の効率的なリアルタイムリプランニングをサポートすることが示された。
関連論文リスト
- World Motion Models: Flexible Sequence Modeling of SE(3) Trajectories [82.08884552902076]
WMM(World Motion Models)を提案する。
この表現は、明瞭な物体、人体、手動物体の相互作用、断片的に巧妙なシーンダイナミクス、カメラモーション、さらにはロボットの状態とアクションを単一の共有空間に統一する。
論文 参考訳（メタデータ） (2026-10-01T14:13:24Z) - Lift3D-VLA: Lifting VLA Models to 3D Geometry and Dynamics-Aware Manipulation [76.16065370700488]
We introduced Lift3D-VLA, a unified VLA framework that equips models with explicit 3D point cloud reasoning and possible temporally coherent action generation。
我々は,Lift3D-VLAがMetaWorldとRLBenchの平均成功率を10.8%,11.1%向上したことを示す。
論文 参考訳（メタデータ） (2026-07-07T17:59:47Z) - Learning Action-Conditional and Object-Centric Gaussian Splatting World Models for Rigid Objects [4.870609209341298]
我々は3次元の剛体物体の動作条件力学を学習する新しいモデルを開発した。
シミュレーションにおける非包括的操作のためのモデル予測制御におけるモデルの評価を行った。
論文 参考訳（メタデータ） (2026-06-01T09:12:07Z) - NeuROK: Generative 4D Neural Object Kinematics [35.76495786203886]
我々は、オブジェクト中心の物理システムに対して、データ駆動キネマティックな状態パラメータ化を学習する。
大規模4Dデータセットを用いてトランスフォーマーベースのエンコーダデコーダモデルを学習する。
論文 参考訳（メタデータ） (2026-05-28T17:59:53Z) - DynaRend: Learning 3D Dynamics via Masked Future Rendering for Robotic Manipulation [52.136378691610524]
本稿では、3次元認識と動的インフォームド三面体特徴を学習する表現学習フレームワークDynaRendを紹介する。
マルチビューRGB-Dビデオデータに基づく事前トレーニングにより、DynaRendは空間幾何学、将来のダイナミクス、タスク意味を統合された三面体表現で共同でキャプチャする。
我々は、RLBenchとColosseumという2つの挑戦的なベンチマークでDynaRendを評価し、政策成功率、環境摂動の一般化、様々な操作タスクにおける実世界の適用性などを大幅に改善した。
論文 参考訳（メタデータ） (2025-10-28T10:17:11Z) - GeoDrive: 3D Geometry-Informed Driving World Model with Precise Action Control [50.67481583744243]
実世界モデルにロバストな3次元形状条件を明示的に統合したGeoDriveを紹介する。
車両の位置を編集することでレンダリングを強化するため,トレーニング中の動的編集モジュールを提案する。
動作精度と空間認識の両面で既存のモデルよりも優れていた。
論文 参考訳（メタデータ） (2025-05-28T14:46:51Z) - Manipulating Elasto-Plastic Objects With 3D Occupancy and Learning-Based Predictive Control [10.08057070583071]
本研究は,運動の準静的仮定を用いた弾塑性物体操作のための新しい枠組みを提案する。
これらの課題を効果的に解決するために,我々は3D占有率を利用して表現する学習力学モデル,3D占有率で訓練された学習力学モデル,学習に基づく予測制御アルゴリズムを活用する。
提案フレームワークは, 弾塑性物体を所定の目標形状に整形し, シミュレーションと実世界の両方で様々な実験を行った。
論文 参考訳（メタデータ） (2025-05-22T05:36:00Z) - DO3D: Self-supervised Learning of Decomposed Object-aware 3D Motion and
Depth from Monocular Videos [76.01906393673897]
本研究では,モノクラービデオから3次元運動と深度を協調的に学習する自己教師手法を提案する。
本システムでは,深度を推定する深度推定モジュールと,エゴモーションと3次元物体の動きを推定する新しい分解対象3次元運動推定モジュールを備える。
我々のモデルは評価されたすべての設定において優れたパフォーマンスを提供する。
論文 参考訳（メタデータ） (2024-03-09T12:22:46Z) - 3D-OES: Viewpoint-Invariant Object-Factorized Environment Simulators [24.181604511269096]
本稿では、3次元ニューラルシーン表現空間におけるオブジェクトとエージェントの相互作用によるシーン変化を予測できる動作条件動的モデルを提案する。
この空間では、オブジェクトは互いに干渉せず、その外観は時間と視点にわたって持続する。
本モデルでは,対話対象の個数や外観,カメラ視点の多様さにまたがる予測をよく一般化することを示す。
論文 参考訳（メタデータ） (2020-11-12T16:15:52Z) - Predicting the Physical Dynamics of Unseen 3D Objects [65.49291702488436]
インパルス力を受ける平面上での3次元物体の動的挙動の予測に焦点をあてる。
我々の手法は、訓練中に目に見えない物体の形状や初期条件に一般化することができる。
我々のモデルは物理エンジンと実世界の両方のデータによるトレーニングをサポートすることができる。
論文 参考訳（メタデータ） (2020-01-16T06:27:59Z)
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。