関節物体推定2025/9/1arXiv:2509.01708

実環境における関節物体の推定

Articulated Object Estimation in the Wild

動的なカメラ移動と部分観測の下で、RGB-D動画から関節物体のパーツ軌跡と関節軸を推定するフレームワークArtiPointを提案し、新データセットArti4Dで評価した。

詳しい要約

1. どんなもの？

- 本論文は、動的なカメラ運動と部分観測性の下で関節物体のモデルを推定する新しいフレームワーク「ArtiPoint」を提案する。 - 生のRGB-Dビデオから関節部分の軌跡と関節軸を直接推定する。 - また、初のエゴセントリックなin-the-wildデータセット「Arti4D」を導入し、シーンレベルの関節物体インタラクションを関節ラベルと正解カメラポーズ付きで提供する。

2. 先行研究と比べてどこがすごい？

- 従来の関節推定手法は、固定カメラ視点や物体の様々な状態の直接観測を仮定した制御された設定に主に焦点を当てており、現実的な無制約環境では失敗しがちであった。 - それに対し、ArtiPointは動的なカメラ運動と部分観測性の下でも関節物体モデルを推定できる点が優れている。 - また、Arti4Dは初のエゴセントリックなin-the-wildデータセットであり、この分野の研究促進に貢献する。

3. 技術・手法の肝は？

- ArtiPointは、deep point trackingとfactor graph optimizationフレームワークを組み合わせている。 - これにより、生のRGB-Dビデオから関節部分の軌跡と関節軸をロバストに推定する。 - 具体的なアルゴリズムの詳細は要旨からは不明。

4. どうやって有効だと検証した？

- Arti4D上で、ArtiPointを古典的および学習ベースのベースラインと比較し、優れた性能を示すことで有効性を検証している。 - ベースラインの具体的な手法名は要旨からは不明。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究として、関節推定の先行手法（固定カメラ視点や直接観測を仮定したもの）や、古典的および学習ベースのベースラインが挙げられる。具体的な論文名は要旨からは不明。 - 同分野の定番として、関節物体の3D運動推定やpoint trackingに関する研究が関連する。

※ 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: Abdelrhman Werby, Martin Büchner, Adrian Röfer, Chenguang Huang, Wolfram Burgard, Abhinav Valada

分類: cs.RO, cs.CV

原文アブストラクト

Understanding the 3D motion of articulated objects is essential in robotic scene understanding, mobile manipulation, and motion planning. Prior methods for articulation estimation have primarily focused on controlled settings, assuming either fixed camera viewpoints or direct observations of various object states, which tend to fail in more realistic unconstrained environments. In contrast, humans effortlessly infer articulation by watching others manipulate objects. Inspired by this, we introduce ArtiPoint, a novel estimation framework that can infer articulated object models under dynamic camera motion and partial observability. By combining deep point tracking with a factor graph optimization framework, ArtiPoint robustly estimates articulated part trajectories and articulation axes directly from raw RGB-D videos. To foster future research in this domain, we introduce Arti4D, the first ego-centric in-the-wild dataset that captures articulated object interactions at a scene level, accompanied by articulation labels and ground-truth camera poses. We benchmark ArtiPoint against a range of classical and learning-based baselines, demonstrating its superior performance on Arti4D. We make code and Arti4D publicly available at https://artipoint.cs.uni-freiburg.de.

arXivで原文を読む →arXiv概要ページ

← 論文一覧