日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

把持生成arXiv:2509.16871

HOGraspFlow: 分類対応の手-物体リターゲティングによるマルチモーダルSE(3)把持生成

HOGraspFlow: Taxonomy-Aware Hand-Object Retargeting for Multi-Modal SE(3) Grasp Generation

シェア:XThreadsFacebookLINEはてブBluesky

単一RGB画像から手と物体のインタラクションを再構成し、把持タイプの分類を考慮したフローマッチングで並列グリッパのSE(3)把持姿勢を生成する手法を提案。実機で83%以上の成功率を達成。

詳しい要約

1. どんなもの?

- 単一の RGB 画像と hand-object interaction (HOI) から、multi-modal な実行可能 parallel jaw grasp を生成する手法 HOGraspFlow を提案 - affordance-centric なアプローチで、対象物体の明示的な幾何 prior を必要としない - hand reconstruction と vision の foundation models を基盤に、SE(3) grasp pose を denoising flow matching (FM) で合成 - 条件として RGB foundation features(視覚意味)、HOI contact reconstruction、grasp type の taxonomy-aware prior の3つの相補的 cue を用いる

2. 先行研究と比べてどこがすごい?

- 明示的な HOI contact 入力や物体 geometry なしで高忠実度の grasp synthesis を実現 - 同時に contact と taxonomy の認識性能を維持 - 制御比較により diffusion-based な variant(HOGraspDiff)を一貫して上回る - SE(3) において高い distributional fidelity とより安定した最適化を達成 - 実世界実験で object-agnostic な grasp synthesis を実証し、平均成功率 83% 超

3. 技術・手法の肝は?

- hand reconstruction と vision の foundation models を活用 - denoising flow matching (FM) により SE(3) grasp pose を合成 - 条件付けは3つの cue:RGB foundation features(視覚意味)、HOI contact reconstruction、taxonomy-aware prior on grasp types - 単一 RGB の HOI を multi-modal な parallel jaw grasp へ retarget する枠組み

4. どうやって有効だと検証した?

- 明示的な HOI contact 入力や物体 geometry なしでの grasp synthesis の忠実度を評価 - contact および taxonomy 認識の性能を評価 - diffusion-based variant(HOGraspDiff)との制御比較で distributional fidelity と SE(3) 最適化の安定性を検証 - 実世界実験で object-agnostic な grasp synthesis を検証し、平均成功率 83% 超を報告

5. 議論はある?

- 明示的な幾何 prior や HOI contact 入力なしで動作する点が利点として示唆される - diffusion-based 手法との比較で flow matching の安定性・忠実度が議論される - 実世界成功率は報告されているが、失敗事例や限界の詳細は要旨からは不明 - taxonomy-aware prior の寄与度や各 cue のアブレーション詳細は要旨からは不明

6. 次に読むべき論文は?

- HOGraspDiff(本手法が比較した diffusion-based variant) - denoising flow matching (FM) に関する基礎研究 - hand reconstruction の foundation model および vision foundation model 関連研究 - HOI contact reconstruction や grasp taxonomy に関する研究 - SE(3) grasp pose 生成の従来手法(parallel jaw grasp synthesis 関連)

※ 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: Yitian Shi, Zicheng Guo, Rosa Wolf, Edgar Welte, Rania Rayyes

分類: cs.RO

原文アブストラクト

We propose Hand-Object\emph{(HO)GraspFlow}, an affordance-centric approach that retargets a single RGB with hand-object interaction (HOI) into multi-modal executable parallel jaw grasps without explicit geometric priors on target objects. Building on foundation models for hand reconstruction and vision, we synthesize $SE(3)$ grasp poses with denoising flow matching (FM), conditioned on the following three complementary cues: RGB foundation features as visual semantics, HOI contact reconstruction, and taxonomy-aware prior on grasp types. Our approach demonstrates high fidelity in grasp synthesis without explicit HOI contact input or object geometry, while maintaining strong contact and taxonomy recognition. Another controlled comparison shows that \emph{HOGraspFlow} consistently outperforms diffusion-based variants (\emph{HOGraspDiff}), achieving high distributional fidelity and more stable optimization in $SE(3)$. We demonstrate a reliable, object-agnostic grasp synthesis from human demonstrations in real-world experiments, where an average success rate of over $83\%$ is achieved. Code: https://github.com/YitianShi/HOGraspFlow

関連論文

  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