論文の概要: Single-View RGB-D Force--Deformation Estimation for Robotic Manipulation of Elasto-Plastic Materials
- arxiv url: http://arxiv.org/abs/2611.15650v1
- Date: Wed, 11 Nov 2026 16:00:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.18934
- Title: Single-View RGB-D Force--Deformation Estimation for Robotic Manipulation of Elasto-Plastic Materials
- Title(参考訳): シングルビューRGB-D力-エラストプラスティック材料のロボットマニピュレーションのための変形推定
- Abstract要約: 永久変形は、物理的相互作用と空間分布形状変化を結合することにより、弾塑性操作を複雑化する。
本稿では,標準ロボット,片眼RGB-Dカメラ,内在力推定を用いた力-変形関係について検討する。
- 参考スコア(独自算出の注目度): 1.2125503552019505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Persistent deformation complicates elasto-plastic manipulation by coupling physical interaction with spatially distributed shape changes. We investigate the force--deformation relationship using a standard robot, a single eye-in-hand RGB-D camera, and intrinsic force estimates. A 7-DoF Franka Emika FR3 performs normal indentations while an Intel RealSense L515 captures pre- and post-contact surfaces. Point-cloud processing localizes deformation and estimates displaced volume. Force--volume characterization includes 27 measurements over nine force levels. A compact multilayer perceptron (MLP), trained on 52 force--volume pairs at four levels, achieves a held-out RMSE of 1.857 N and $R^2=0.440$. A separate comparison shows lower error for a quadratic model at 16 N and for the MLP at 19 and 23.5 N. An eight-step experiment at 4 N per interaction demonstrates cumulative deformation localization from the second indentation onward. These results establish a practical measurement basis for deformation-aware manipulation using intrinsic force estimates and single-view geometry.
- Abstract(参考訳): 永久変形は、物理的相互作用と空間分布形状変化を結合することにより、弾塑性操作を複雑化する。
本稿では,標準ロボット,片眼RGB-Dカメラ,内在力推定を用いた力-変形関係について検討する。
7-DoF Franka Emika FR3は通常のインデンテーションを行い、Intel RealSense L515は前および後の表面をキャプチャする。
ポイントクラウド処理は変形をローカライズし、変位量を推定する。
圧縮多層パーセプトロン(MLP)は、52の力量対を4つのレベルで訓練し、1.857 Nと$R^2=0.440$の保留RMSEを達成する。
16Nと23.5Nの2次モデルと、19および23.5NのMLPの2次モデルでは、相互作用あたりの4Nでの8段階の実験では、第2インデンテーション以降の累積変形局在が示される。
これらの結果は,内在力推定と単視点幾何を用いた変形認識操作の実用的基礎を確立した。
関連論文リスト
- DynThinker: Unifying Static 3D and Dynamic 4D Spatial Reasoning [68.86868818568321]
汎用知能は静的3Dと動的4Dの統一的な理解を必要とする。
既存のモデルは両立に苦戦している。
DynThinkerは静的および動的空間推論を協調的に強化するためのフレームワークである。
論文 参考訳(メタデータ) (2026-10-14T17:59:31Z) - R1A-PC: Physics-Guided Electromagnetic Inversion of Three-Dimensional Human Point Clouds in Complex Static Environments [0.0]
R1A-PC(R1A-PC)は、2048点のヒトの雲を、ターゲットと無関係に測定された2つの複素場から再構成する手法である。
周波数バランスの離散ボルン随伴は三次元空間知識マップを生成する。
本研究では, 対サブトラクションの残差, 生の随伴体の重み付き正規演算構造, 予測された雲の実行可能な集合を解析した。
論文 参考訳(メタデータ) (2026-10-04T11:45:17Z) - FORM: Robot Manipulation through Direct Material Law Identification [19.70634335800444]
本稿では,単一ロボットの相互作用から材料特性を識別する FORM (From Observed Response to Material Law) を提案する。
我々は、観測された物質運動と接触力とを未知の物質パラメータの線形方程式に変換するために弱い形状の運動量バランスを用いる。
本研究は, 弾性棒挿入, 弾性クラブ付ゴルフパッティング, 弾塑性成形, ターゲット体積注入の4つの操作課題において, シミュレーションおよびハードウェア上でのアプローチを実証する。
論文 参考訳(メタデータ) (2026-09-29T17:46:40Z) - Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。
平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
論文 参考訳(メタデータ) (2026-09-29T11:24:19Z) - System Identification of Admittance Models for Large Real-World Objects [0.44733276617585455]
本稿では,大規模な実世界の物体の物理的に一貫したモデルを作成するための,最初の完全なワークフローを提案する。
モデルは重く近接したドアと手押し車のために製造される。
論文 参考訳(メタデータ) (2026-08-30T18:06:58Z) - URDF Synthesis from RGB-D Sequences via Differentiable Joint Inference and Energy-Consistent Verification [2.538209532048867]
KinemaForgeは制約駆動のパイプラインで、短いRGB-Dシーケンスから部分レベルの形状、関節トポロジー、関節パラメータを推論する。
平均関節軸誤差は4.52度から2.83度(-37.4%)に減少する。
KinemaForgeは、クローズドループ操作の成功率がDittoよりも14.6ポイント向上したURDFを産出する。
論文 参考訳(メタデータ) (2026-06-17T09:42:25Z) - Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation [81.44955493339835]
DeGOは変形可能なガウスの占有機構であり、分解したガウスの変形と分解された4次元基礎モデル蒸留を統一する。
Occ3D-NuScenesベンチマーク実験により,本手法が弱い監督下での最先端性能を実現することを示す。
論文 参考訳(メタデータ) (2026-05-27T15:09:55Z) - Normalized Architectures are Natively 4-Bit [49.13186675123547]
重みと隠れ表現を単位超球面に制限するアーキテクチャであるnGPTは、本質的に低精度算術よりも堅牢である。
本手法は,最大3B/30Bパラメータの1.2B密度モデルとハイブリッド(Mamba-Transformer)MoEモデルの両方で検証する。
論文 参考訳(メタデータ) (2026-05-07T11:54:07Z) - Resonance4D: Frequency-Domain Motion Supervision for Preset-Free Physical Parameter Learning in 4D Dynamic Physical Scene Simulation [53.141181758015186]
Resonance4Dは3次元ガウス散乱と物質点法を結合した物理駆動4次元動的シミュレーションフレームワークである。
我々の重要な洞察は、動的整合性は、相補的領域における共同的拘束運動によって、高密度時間発生なしに強制できるということである。
Resonance4Dは、ピークGPUメモリを35,GB以上から20GB程度に削減しつつ、強力な物理忠実性と運動の整合性を実現する。
論文 参考訳(メタデータ) (2026-04-02T13:00:22Z) - Ultraprecise time-difference measurement via enhanced dual pointers with multiple weak interactions [1.3023122260678253]
我々は、多重弱い相互作用と可変スペクトル源に基づく拡張されたデュアルポインターWVAスキームを開発する。
異常な弱値に関連する量子効果は、レゲット・ガルグ不等式の観測不能な違反によって明らかにされる。
我々の研究は、挑戦的な環境での極小量子度測定の実践的な道を開く。
論文 参考訳(メタデータ) (2024-05-11T01:33:27Z) - DeepMLS: Geometry-Aware Control Point Deformation [76.51312491336343]
本稿では,空間に基づく変形技術であるDeepMLSを紹介する。
ニューラルネットワークの力を利用して、下層の形状を変形パラメータに注入する。
本手法は直感的に滑らかな変形をしやすくし, 製造物に適している。
論文 参考訳(メタデータ) (2022-01-05T23:55:34Z)
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。