論文の概要: Beyond Geometric Closure: Measuring and Diagnosing Mechanical Consistency in Visual Dynamics
- arxiv url: http://arxiv.org/abs/2610.24619v1
- Date: Sat, 17 Oct 2026 10:50:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.261272
- Title: Beyond Geometric Closure: Measuring and Diagnosing Mechanical Consistency in Visual Dynamics
- Title（参考訳）: 幾何学的クロージャを超えて:視覚力学における機械的一貫性の測定と診断
- Abstract要約: 視覚力学における機械的一貫性の測定と診断のための枠組みを提案する。
固い閉鎖の独立したSI監査は、幾何学的許容性、反応のないアクチュエーターの取り組み、仕事のエネルギー収支を分離する。
我々は64/256ピクセル, V-JEPA + AC と LingBot-VA の343 個の平面集合体上での KeyCLD と CON の評価を行った。
- 参考スコア（独自算出の注目度）: 3.739381074520899
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual accuracy leaves open whether predicted motion obeys dynamics. We introduce a framework for measuring and diagnosing mechanical consistency in visual dynamics. An independent SI audit of rigid closed chains separates geometric admissibility, reaction-free actuator effort, and work--energy balance. Continuous scoring measures progress against fixed engineering targets, while reference replay quantifies measurement error. With three seeds per setting, we evaluate KeyCLD and CON across 343 planar assemblies at 64/256 pixels and V-JEPA + AC and LingBot-VA on 100 shared spatial test assemblies. CON reduces image MSE by 37.6%/37.2% relative to persistence, yet neither planar model attains valid native geometry. At 256 pixels, calibrated RGB replay places forecast errors far above measurement error. With exact states, KeyCLD preserves geometry and RK4 training raises its score from 52.65 to 64.30. In both spatial pathways, CAD/IK reconstruction restores geometry while mean actuator residuals exceed five times the engineering targets. The interventions distinguish gains in visual prediction and geometric admissibility from remaining force and energy errors.
- Abstract（参考訳）: 視覚的精度は、予測された動きがダイナミクスに従うかどうかを開放する。
視覚力学における機械的一貫性の測定と診断のための枠組みを提案する。
固い閉鎖の独立したSI監査は、幾何学的許容性、反応のないアクチュエーターの取り組み、仕事のエネルギー収支を分離する。
連続的なスコアリングは、固定されたエンジニアリング目標に対して進行を計測し、参照リプレイは測定エラーを定量化する。
また,64/256ピクセルで343個の平面集合体にまたがるKeCLD,CON,V-JEPA+AC,LingBot-VAの3種を共用空間検定で評価した。
CONは画像MSEを永続性に対して37.6%/37.2%削減するが、どちらの平面モデルも有効なネイティブジオメトリを達成していない。
256ピクセルのRGBリプレイでは、予測誤差は測定誤差よりもはるかに高い位置にある。
正確な状態では、KeyCLDは幾何を保存し、RK4トレーニングは52.65から64.30までスコアを上げている。
どちらの空間経路においてもCAD/IKの復元は幾何を復元し、平均アクチュエータ残差は工学的目標の5倍を超える。
これらの介入は、視覚的予測と幾何学的許容性の利得を、残りの力やエネルギー誤差と区別する。
関連論文リスト
- RoTA-Bench: Evaluating 3D Spatial Reasoning through Interactive Projection Alignment [60.989018864729445]
対話型3次元から2次元の投影アライメントによる能力評価にRoTA-Benchを導入する。
対象のシルエットが与えられた場合、モデルは回転したオブジェクトを観察し、連続する回転を選択してターゲットの投影を回復する。
GPT-5.6-Solがわずか17%のタスクで成功するのに対し、20人の学部生が100%の成功率でテストセットを4回完了した。
論文 参考訳（メタデータ） (2026-10-13T03:46:48Z) - UniMetric: Universal Metric Scale Recovery for Visual Geometry Foundation Models [19.448764509766402]
We present UniMetric, a universal and training-free metric scale recovery framework for geometry foundation model。
既知オブジェクトの未確定サイズは,再構成の共有スケールを協調的に制約できることを示す。
また,12のエンボディ,運転,路面部分集合をセンサ由来の地上真実で包含するMetricBenchを提示する。
論文 参考訳（メタデータ） (2026-10-12T15:18:47Z) - GUARD: Geometric Uncertainty-Aware Point Cloud Denoising and Segmentation for Robotic Hard Disk Drive Disassembly [3.107698042151629]
GUARDは幾何学的不確実性を認識したフレームワークで、1つの前方パス内でポイントフィルタリングとセグメンテーションを実行する。
2,745個の実HDD点雲の評価は、GUARDがPointNet++セグメンテーションを改善したことを示す。
その結果、幾何学的信頼性と意味的信頼性を区別する価値が示された。
論文 参考訳（メタデータ） (2026-10-06T20:15:34Z) - Predictive Semantic Safety: From Visual Physical Reasoning to Safety-Critical Control [29.738603994833394]
予測意味安全(PSS)という枠組みを提案する。
PSSは視覚的物理的推論とバックアップベースの安全フィルタリングを結びつける。
PSSは、バックアップ制御バリア関数のベースラインで43.3%に対して、安全なエピソードレートが99.3%である。
論文 参考訳（メタデータ） (2026-09-28T05:32:33Z) - Beyond Relative Geometry: Metric-Aware Geometry Perception for Robotics [16.80010144055988]
Metric-Aware Geometry Perception (MAGP)は、幾何学的再構成のためのエンドツーエンドのプラグアンドプレイフレームワークである。
中心となるMetric Scale Equivariant Augmentationは、カメラパラメータと深度観測から距離幾何学を再構築することを奨励する。
フレキシブル・メトリック・コンディショニング(Flexible Metric Conditioning)は、カメラと深度入力の任意のビューカウントと組み合わせをサポートし、不均一なロボットセンシング構成に対する堅牢性を向上させる。
論文 参考訳（メタデータ） (2026-08-27T02:07:22Z) - WAM4D: Fast 4D World Action Model via Spatial Register Tokens [52.16661403052964]
WAM4Dは,軽量空間レジスタトークンを用いた高速4次元世界アクションモデルである。
WAM4Dは空間的整合性を向上し,効率的な推論を維持しつつ,競争力のある動作予測を実現する。
論文 参考訳（メタデータ） (2026-06-12T02:49:34Z) - Measuring 3D Spatial Geometric Consistency in Dynamic Generated Videos [67.7364297817535]
ビデオにおける3D textbfSpatial textbfGeometric textbfConsistencyを評価するためのメトリクスであるSGCを紹介する。
SGCは幾何的不整合を頑健に定量化し、既存のメトリクスで欠落した臨界故障を効果的に特定する。
論文 参考訳（メタデータ） (2026-03-19T15:44:39Z) - Geometry OR Tracker: Universal Geometric Operating Room Tracking [61.399734016038614]
手術室(OR)では、世界規模のマルチビュー3Dトラッキングは、外科医の行動認識のような下流のアプリケーションをサポートする。
カメラのキャリブレーションとRGB-Dの登録は常に信頼性が低く、幾何学的不整合が生じる。
我々は、不正確なキャリブレーションをスケール一貫性と幾何学的に整合したカメラ設定に修正する2段階パイプラインであるGeometry OR Trackerを紹介する。
論文 参考訳（メタデータ） (2026-02-28T09:21:21Z)
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。