論文の概要: Closing the Dynamics Gap through Self-Directed Robotic Interaction

• arxiv url: http://arxiv.org/abs/2611.02691v1
• Date: Mon, 02 Nov 2026 07:40:51 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:15:29.028926
• Title: Closing the Dynamics Gap through Self-Directed Robotic Interaction
• Title（参考訳）: 自律型ロボットインタラクションによるダイナミクスギャップの閉鎖
• Abstract要約: 我々はこれをダイナミックスギャップと呼び、環境そのものと相互作用することでそれを閉じるエージェントシステムであるCUEを提示する。 ビリヤードでは、CUEはシミュレーションにおいて25の隠れ物理条件で最強のベースラインに対してホールドアウトボール位置誤差を72%削減する。
• 参考スコア（独自算出の注目度）: 16.74168625474907
• License:
• Abstract: Agentic Real2Sim2Real systems can reconstruct a scene in simulation from camera observations, but contact-rich dynamics such as friction and restitution cannot be observed without interaction. We call this the dynamics gap and present CUE, an agentic system that closes it by interacting with the environment itself. Given only a high-level instruction and no resets, the agent builds its own perception, identifies physical parameters, and targets interactions where its simulation is least accurate. On billiards, CUE reduces held-out ball-position error by 72% relative to the strongest baseline across 25 hidden-physics conditions in simulation, and we further deploy it on a real pool table. More details can be found on the project website: https://cue-dynamics.github.io/
• Abstract（参考訳）: エージェントReal2Sim2Realシステムは、カメラ観測からシミュレーションのシーンを再構築することができるが、摩擦や再生のような接触に富んだダイナミクスは相互作用なしでは観察できない。 我々はこれをダイナミックスギャップと呼び、環境そのものと相互作用することでそれを閉じるエージェントシステムであるCUEを提示する。 高レベルな命令とリセットがなければ、エージェントは独自の認識を構築し、物理的パラメータを特定し、シミュレーションが最小限であるインタラクションをターゲットにします。 ビリヤードでは,25個の隠蔽物理条件における最強ベースラインに対して,ホールドアウトボール位置誤差を72%削減し,さらに実際のプールテーブルに展開する。 詳細はプロジェクトのWebサイト(https://cue-dynamics.github.io/)で確認できる。

関連論文リスト

• RoboSimStudio: An Interactive Toolkit for Human and Agent Rapid Real2Sim of Robot Manipulation Tasks [17.76299483207247]
  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。
  論文  参考訳（メタデータ） (2026-10-13T17:55:14Z)
• 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)
• RoboSnap: One-Shot Real-to-Sim Scene Generation for Generalizable Robot Learning and Evaluation [55.07260698542592]
  我々は,1枚のRGB画像をシミュレーション可能なシーンに変換する,リアル・トゥ・シミュレート・フレームワークであるRoboSnapを紹介した。 DROIDシーンと実ロボットタスクの実験は、復元されたシーンでRoboSnapが信頼できる軌道再生を実現することを示している。 DROIDのリアルワールドシーン564から構築したリアル・トゥ・シムデータセットであるDROID-Simを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T18:19:10Z)
• OASIS: From Simulation Data Collection to Real-World Humanoid Loco-Manipulation [51.37436817948304]
  OASISはヒューマノイドのロコ操作のためのシミュレーションデータ駆動のフレームワークである。 3次元生成モデルを用いて実世界の画像から現実的なオブジェクト資産を再構築する。 ゼロショットデプロイメントでは、実際のロボット遠隔操作データでトレーニングされたタスクよりも、ほとんどのタスクで高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-06-07T10:01:53Z)
• HSImul3R: Physics-in-the-Loop Reconstruction of Simulation-Ready Human-Scene Interactions [69.43316445143408]
  HSImul3Rはヒトとシーンの相互作用をシミュレーション可能な3次元再構成のための統合フレームワークである。 既存の手法は知覚とシミュレーションのギャップに悩まされており、物理エンジンの不安定性と、具体化されたAIアプリケーションの失敗につながっている。
  論文  参考訳（メタデータ） (2026-03-16T17:58:33Z)
• 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)
• Dynamics as Prompts: In-Context Learning for Sim-to-Real System Identifications [23.94013806312391]
  そこで本研究では,テキスト内学習を用いてシミュレーション環境パラメータを動的に調整する手法を提案する。 オブジェクトスクーピングとテーブルエアホッケーという2つのタスクにまたがるアプローチを検証する。 提案手法は,ロボットの動的現実シナリオへの展開を推し進め,効率的かつスムーズなシステム識別を実現する。
  論文  参考訳（メタデータ） (2024-10-27T07:13:38Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。