日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2505.09109

FoldNet: キーポイント駆動型のアセットとデモンストレーション合成による汎化可能な閉ループ衣服折り畳みポリシーの学習

FoldNet: Learning Generalizable Closed-Loop Policy for Garment Folding via Keypoint-Driven Asset and Demonstration Synthesis

シェア:XThreadsFacebookLINEはてブBluesky

キーポイントベースの衣服テンプレートと生成モデルで合成データセットを作り、閉ループ模倣学習と失敗回復用のKG-DAggerで衣服折り畳みポリシーを訓練し、実世界で75%の成功率を達成した。

詳しい要約

1. どんなもの？

- ロボットによる衣類折り畳みタスクのための合成データセットと学習フレームワーク「FoldNet」を提案する研究。 - keypoint ベースの幾何学的な衣類テンプレートを構築し、generative models で現実的な texture patterns を生成する。 - シミュレーション上で折り畳みデモンストレーションを生成し、closed-loop imitation learning で folding policies を学習する。 - 失敗からの回復デモを生成する KG-DAgger を提案し、実世界での成功率を向上させる。

2. 先行研究と比べてどこがすごい？

- 衣類の変形可能性により高品質データの大量生成が困難という課題に対し、合成データ生成パイプラインを構築した点が特徴。 - keypoint アノテーションを活用してシミュレーション上の折り畳みデモ生成と closed-loop imitation learning を可能にした。 - KG-DAgger により失敗回復データを生成し、実世界成功率を 25% 向上させたと報告。 - 15K trajectories（約 2M image-action pairs）の学習で実世界 75% 成功率を達成。 - 具体的な先行研究との比較は要旨からは不明。

3. 技術・手法の肝は？

- keypoint に基づく幾何学的衣類テンプレートの構築。 - generative models を用いた現実的な texture patterns の生成。 - keypoint アノテーションを利用したシミュレーション上の折り畳みデモ生成。 - closed-loop imitation learning による folding policies の学習。 - KG-DAgger：keypoint ベースの戦略で失敗からの回復デモンストレーションデータを生成する手法。

4. どうやって有効だと検証した？

- シミュレーションと実世界の両設定で実験を実施し、フレームワークの有効性を検証。 - KG-DAgger により実世界成功率が 25% 向上。 - 15K trajectories（約 2M image-action pairs）で学習後、実世界で 75% の成功率を達成。 - 詳細な評価指標やベースライン比較は要旨からは不明。

5. 議論はある？

- KG-DAgger が失敗回復データを通じてモデル性能と実世界成功率を大きく改善することが示されている。 - 合成データと closed-loop imitation learning の組み合わせが衣類折り畳みに有効であると議論。 - 限界や失敗事例、汎化性能の詳細な議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として imitation learning、DAgger、closed-loop policy learning、keypoint-based manipulation、sim-to-real transfer、generative models によるデータ合成の文献を次に読む候補として挙げる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yuxing Chen, Bowen Xiao, He Wang

分類: cs.RO, cs.CV

原文アブストラクト

Due to the deformability of garments, generating a large amount of high-quality data for robotic garment manipulation tasks is highly challenging. In this paper, we present a synthetic garment dataset that can be used for robotic garment folding. We begin by constructing geometric garment templates based on keypoints and applying generative models to generate realistic texture patterns. Leveraging these keypoint annotations, we generate folding demonstrations in simulation and train folding policies via closed-loop imitation learning. To improve robustness, we propose KG-DAgger, which uses a keypoint-based strategy to generate demonstration data for recovering from failures. KG-DAgger significantly improves the model performance, boosting the real-world success rate by 25\%. After training with 15K trajectories (about 2M image-action pairs), the model achieves a 75\% success rate in the real world. Experiments in both simulation and real-world settings validate the effectiveness of our proposed framework.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大　最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携　2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM（ミニPC）

MINISFORUM（ミニPC）の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →