日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2509.22175

DHAGrasp: テキスト指示に基づくアフォーダンス考慮型両手把持の生成

DHAGrasp: Synthesizing Affordance-Aware Dual-Hand Grasps with Text Instructions

シェア:XThreadsFacebookLINEはてブBluesky

単一手指のデータセットと対称性を活用して大規模な両手把持データセットを構築し、テキスト指示から未見物体の両手把持を生成する手法を提案した。

詳しい要約

1. どんなもの?

- テキスト指示に基づき、物体の意味論(affordance)を考慮した両手把持(dual-hand grasp)を生成する研究。 - 既存の把持データセットは単手中心で意味的パーツ注釈が限られるため、SymOpt というパイプラインで単手データセットと物体・手の対称性を活用し大規模 dual-hand grasp データセットを構築。 - その上で DHAGrasp という text-guided な dual-hand grasp 生成器を提案し、未見物体に対しても affordance-aware な両手把持を合成する。

2. 先行研究と比べてどこがすごい?

- 既存の grasp データセットは主に single-hand で、semantic part annotation が限定的という課題があった。 - SymOpt により single-hand データセットと対称性を利用して大規模 dual-hand データセットを構築する点が新しい。 - 提案手法は segmented な少数訓練物体から学習しつつ、未 segmented の大規模データへスケールできる設計。 - 実験で強い baselines を grasp quality と未見物体への generalization の両面で上回ったと報告。

3. 技術・手法の肝は?

- SymOpt: 既存 single-hand データセットと物体・手の symmetry を活用し dual-hand grasp データセットを構築するパイプライン。 - DHAGrasp: text instruction を入力とし、未見物体に対する Dual-Hand Affordance-aware Grasp を合成する生成器。 - 新規の dual-hand affordance representation を導入。 - two-stage 設計により、少数の segmented 訓練物体から効果的に学習し、大規模な unsegmented データへ拡張可能。

4. どうやって有効だと検証した?

- Extensive experiments を実施し、多様かつ意味的に一貫した把持を生成できることを示した。 - grasp quality と未見物体への generalization の両方で strong baselines を上回る性能を報告。 - 具体的なデータセット名・評価指標・被験者実験の有無は要旨からは不明。

5. 議論はある?

- 要旨からは不明(限界や失敗事例、計算コスト、実機検証の有無などは明記されていない)。 - データセット構築に対称性を利用しているため、対称性が成立しにくい物体への適用可能性は要旨からは不明。

6. 次に読むべき論文は?

- 元となった既存 single-hand grasp datasets(具体的名称は要旨からは不明)。 - dual-hand grasp や affordance-aware grasp の関連研究(具体的名称は要旨からは不明)。 - 同分野の定番として single-hand grasp 生成の代表的手法や、text-guided grasp generation の関連論文を参照するのが有用。

※ 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: Quanzhou Li, Zhonghua Wu, Jingbo Wang, Chen Change Loy, Bo Dai

分類: cs.RO

原文アブストラクト

Learning to generate dual-hand grasps that respect object semantics is essential for robust hand-object interaction but remains largely underexplored due to dataset scarcity. Existing grasp datasets predominantly focus on single-hand interactions and contain only limited semantic part annotations. To address these challenges, we introduce a pipeline, SymOpt, that constructs a large-scale dual-hand grasp dataset by leveraging existing single-hand datasets and exploiting object and hand symmetries. Building on this, we propose a text-guided dual-hand grasp generator, DHAGrasp, that synthesizes Dual-Hand Affordance-aware Grasps for unseen objects. Our approach incorporates a novel dual-hand affordance representation and follows a two-stage design, which enables effective learning from a small set of segmented training objects while scaling to a much larger pool of unsegmented data. Extensive experiments demonstrate that our method produces diverse and semantically consistent grasps, outperforming strong baselines in both grasp quality and generalization to unseen objects. The project page is at https://quanzhou-li.github.io/DHAGrasp/.

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. 2newmo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
  3. 3GXO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
  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI