論文の概要: AuroraWorld: Structured 4D World Modeling for Exo-to-Ego Video Generation in Robot Manipulation
- arxiv url: http://arxiv.org/abs/2611.00177v2
- Date: Wed, 04 Nov 2026 15:38:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.598677
- Title: AuroraWorld: Structured 4D World Modeling for Exo-to-Ego Video Generation in Robot Manipulation
- Title（参考訳）: AuroraWorld:ロボット操作におけるエキソ・ツー・エゴビデオ生成のための構造化された4次元世界モデリング
- Abstract要約: エゴセントリックな観察は、操作プロセスのロボット中心のビューを提供する。
追加のハードウェア要件とプラットフォーム固有のデプロイメントコストのため、そのようなデータを大規模に収集する作業は、依然としてコストがかかる。
既存の方法は、物理的に一貫性がありポリシーに関連のあるエゴセントリックなビデオの合成に苦慮している。
- 参考スコア（独自算出の注目度）: 59.24513953345802
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Egocentric observations provide a robot-centric view of manipulation processes, capturing contact interactions and object-state changes that are important for visuomotor policy learning but difficult to observe from external cameras. However, collecting such data at scale remains expensive due to additional hardware requirements and platform-specific deployment costs. Synthesizing egocentric observations from large-scale exocentric manipulation videos provides a scalable alternative. However, existing methods struggle to synthesize physically consistent and policy-relevant egocentric videos under substantial viewpoint transformations, severe occlusions, complex object interactions, and inherently sparse observations from available exocentric viewpoints.Code will be made publicly available at https://github.com/xueha0/AuroraWorld
- Abstract（参考訳）: エゴセントリックな観察は、操作プロセスのロボット中心のビューを提供し、接触相互作用とオブジェクト状態の変化をキャプチャし、ビジュモータのポリシー学習において重要であるが、外部カメラから観察することは困難である。
しかし、追加のハードウェア要件とプラットフォーム固有のデプロイメントコストのために、そのようなデータを大規模に収集するコストは依然として高い。
大規模なエゴセントリックな操作ビデオからエゴセントリックな観察を合成することは、スケーラブルな代替手段を提供する。
しかし、既存の方法は、実質的な視点変換、厳密なオクルージョン、複雑なオブジェクト相互作用、および利用可能な外心的視点からの疎外的な観察の下で、物理的に一貫性がありポリシーに関連のあるエゴセントリックなビデオの合成に苦慮している。
関連論文リスト
- Decoupling Action from Egocentric Observation for World Simulation [90.38609292843644]
エゴセントリックな行動伝達は、エゴセントリックな観察からセマンティックな行動を切り離し、新しい視覚的文脈でそれらを再現することを目的としている。
本稿では,エゴセントリックな行動伝達のためのテストタイムフレームワークであるEgoACTについて紹介する。
EgoActionBenchは、多様なエゴセントリックな操作シナリオにおいて、アクションの保存、視覚的品質、手動の可視性を評価するためのベンチマークである。
論文 参考訳（メタデータ） (2026-10-20T09:52:46Z) - Robotizing Human Videos with Physically Consistent Interactions [54.27025073220947]
ビデオ編集の手法は手でレンダリングされたロボットに取って代わるが、不正確なインタラクションの再構築は不整合の把握を生み出す。
これらの障害には、相互作用幾何学とシーン可視性という2つの相補的な物理的側面から対処する。
その結果得られたビデオは、人間のデモの相互作用構造をロボット互換の形で保存し、ロボットのデモと共同で訓練される。
論文 参考訳（メタデータ） (2026-10-05T11:08:50Z) - AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization [88.25615187835321]
我々は,クロス・エボディメント・ワールド・モデリング・フレームワークであるAnyWorldを提案する。
私たちのモデルは、アクション、カメラ、エンボディメントへのインタラクションを分解します。
大規模なヒューマンインタラクション事前トレーニングでモデルをトレーニングする。
論文 参考訳（メタデータ） (2026-08-29T12:55:15Z) - RoboReact: Agentic Skill Distillation from Generated Egocentric Videos for Generalizable Whole-Body Manipulation [18.992624318431417]
本稿では,1つの自我中心のRGB-D観測から全身のヒューマノイド操作スキルを自動的に合成するフレームワークであるRoboReactを紹介する。
RoboReactは人間の操作ビデオを生成し、深度対応の3D再構成を通じて幾何学的相互作用を抽出し、手動物体の相互作用を保ちながら、それらを高DoFのヒューマノイドプラットフォームに再ターゲットする。
実際のヒューマノイドロボットの実験では、RoboReactはさまざまなオブジェクト構成をまたがって一般化し、遠隔操作や人間によるデモンストレーションを必要とせず、実行障害から堅牢に回復する。
論文 参考訳（メタデータ） (2026-08-04T09:37:06Z) - GIRAF: Towards Generalizable Human Interactions with Articulated Objects [50.52795413484619]
そこで本論文では,テキスト条件付き拡散モデルについて述べる。
提案手法は、現在最先端の手法を超越して、未確認のオブジェクト構成に強い一般化を示した。
論文 参考訳（メタデータ） (2026-07-08T19:30:44Z) - EgoInfinity: A Web-Scale 4D Hand-Object Interaction Data Engine for Any-View Robot Retargeting and Video-to-Action Robot Learning [10.780924973366737]
EgoInfinityは、ロボットの獲得と学習のためのWebスケールデータ生成を可能にする、汎用的な4Dハンドオブジェクトインタラクションデータエンジンである。
EgoInfinity(エゴインフィニティ)は、知覚、セグメンテーション、再構築、相互認識の洗練、そして従来の計算不可能なビデオ対アクション問題を自動化するための、モジュール式エンジンである。
論文 参考訳（メタデータ） (2026-06-16T00:44:16Z)
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。