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:2510.11036

XGrasp: グリッパー形状を考慮した把持検出とマルチグリッパーデータ生成

XGrasp: Gripper-Aware Grasp Detection with Multi-Gripper Data Generation

シェア:XThreadsFacebookLINEはてブBluesky

グリッパーの形状と閉じ軌道を2チャンネル画像で表現し、追加学習なしで未知のグリッパーにも汎化するリアルタイム把持検出フレームワークを提案。

詳しい要約

1. どんなもの?

- XGraspは、様々なgripper構成に追加学習なしで汎化するリアルタイムのgripper-aware grasp detectionフレームワーク - 単一gripperデータセットを多gripper注釈で拡張し、データ不足を緩和 - 各gripperを静的形状(Gripper Mask)と動的閉鎖軌道(Gripper Path)の2チャネル2D画像で表現 - 階層的二段階アーキテクチャ: Grasp Point Predictor (GPP)とAngle-Width Predictor (AWP)で構成

2. 先行研究と比べてどこがすごい?

- 既存のgrasp detection手法の多くは単一gripper向けに最適化され、新gripperごとに再学習や最適化が必要 - XGraspは新規gripper構成に対し追加学習・最適化なしで汎化可能 - 既存のgripper-aware手法と比較し、grasp成功率と推論速度の両方で優位 - 再学習パラダイムの非スケーラブル・非実用的な問題を回避

3. 技術・手法の肝は?

- 多gripper注釈の生成: 多様なgripperの物理特性と閉鎖軌道を既存単一gripperデータセットに組み込み - gripper表現: Gripper Mask(静的形状)とGripper Path(動的閉鎖軌道)の2チャネル2D画像 - 二段階構成: Grasp Point Predictor (GPP)でgrasp点を予測、Angle-Width Predictor (AWP)で角度・幅を予測 - AWPでquality-aware anchorを用いたcontrastive learningによりgripper-agnosticな埋め込み空間を構築

4. どうやって有効だと検証した?

- 多様なgripperタイプにわたり実験を実施 - 既存のgripper-aware手法と比較し、grasp成功率と推論速度の両面でXGraspが優位であることを示す - 詳細な実験設定・データセット・被験者数などは要旨からは不明

5. 議論はある?

- 追加学習なしでの新規gripperへの汎化が主要な主張 - データ拡張による多gripper注釈生成の妥当性や限界については要旨からは不明 - 実機での失敗事例やgripper形状の多様性の範囲については要旨からは不明 - プロジェクトページ(https://sites.google.com/view/xgrasp)が公開されている

6. 次に読むべき論文は?

- 要旨で参照/比較されているgripper-aware grasp detectionの先行手法(具体的名称は要旨からは不明) - 単一gripper向けgrasp detectionの代表的手法(例: GG-CNN, GraspNetなど同分野の定番) - contrastive learningを用いたgrasp表現学習の関連研究 - 多gripperデータセット拡張・gripper表現に関する研究

※ 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: Yeonseo Lee, Jungwook Mun, Hyosup Shin, Guebin Hwang, Junhee Nam, Taeyeop Lee, Sungho Jo

分類: cs.RO, cs.AI

原文アブストラクト

Real-world robotic systems frequently require diverse end-effectors for different tasks, however most existing grasp detection methods are optimized for a single gripper type, demanding retraining or optimization for each novel gripper configuration. This gripper-specific retraining paradigm is neither scalable nor practical. We propose XGrasp, a real-time gripper-aware grasp detection framework that generalizes to novel gripper configurations without additional training or optimization. To resolve data scarcity, we augment existing single-gripper datasets with multi-gripper annotations by incorporating the physical characteristics and closing trajectories of diverse grippers. Each gripper is represented as a two-channel 2D image encoding its static shape (Gripper Mask) and dynamic closing trajectory (Gripper Path). XGrasp employs a hierarchical two-stage architecture consisting of a Grasp Point Predictor (GPP) and an Angle-Width Predictor (AWP). In the AWP, contrastive learning with a quality-aware anchor builds a gripper-agnostic embedding space, enabling generalization to novel grippers without additional training. Experimental results demonstrate that XGrasp outperforms existing gripper-aware methods in both grasp success rate and inference speed across diverse gripper types. Project page: https://sites.google.com/view/xgrasp

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

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