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:2511.04199

GraspView: 乱雑環境におけるロボット把持のための能動的知覚スコアリングと最適視点最適化

GraspView: Active Perception Scoring and Best-View Optimization for Robotic Grasping in Cluttered Environments

シェア:XThreadsFacebookLINEはてブBluesky

RGB画像のみを用いて、乱雑環境での把持を実現するパイプラインを提案。多視点再構成と能動的視点選択により、透明物体や近距離でも高精度な把持を可能にする。

詳しい要約

1. どんなもの？

- RGBのみで混雑環境のロボット把持を行うパイプライン「GraspView」 - depth sensorを使わず単一RGB視点から把持を実現 - 3つの主要コンポーネントで構成 - global perception scene reconstruction - render-and-score active perception strategy - online metric alignment module - 最終的にbest-view global graspingを実行しGraspNetで把持

2. 先行研究と比べてどこがすごい？

- 従来はRGB-Dカメラ依存のパイプラインが主流 - 透明・光沢物体で失敗、近距離で劣化する問題 - GraspViewはRGBのみで動作 - 透明物体・近距離センシング・重いocclusion下でRGB-Dおよび単一視点RGBベースラインを大きく上回る - RGB-Dパイプラインの実用的代替を狙う

3. 技術・手法の肝は？

- global perception scene reconstruction - 単一RGB視点から局所的に一貫したup-to-scale幾何を取得 - 多視点投影を統合しglobal 3D sceneを構築 - render-and-score active perception - 次善視点(next-best-view)を動的に選択しoccluded領域を露出 - online metric alignment - VGGT予測をロボットkinematicsに対し校正し物理スケール整合を確保 - これらを統合しmulti-view再構成を融合してbest-view global grasping

4. どうやって有効だと検証した？

- 多様なtabletop物体での実験 - RGB-Dベースラインおよびsingle-view RGBベースラインと比較 - 重いocclusion、near-field sensing、透明物体の条件下で有意な優位を確認 - 具体的な評価指標・データセット規模は要旨からは不明

5. 議論はある？

- RGB-Dの代替として非構造実環境での信頼性を主張 - 透明物体や近距離でのRGB-D劣化への対処を示す - 限界・失敗事例・計算コストの議論は要旨からは不明

6. 次に読むべき論文は？

- GraspNet(把持実行に使用) - VGGT(幾何予測に使用) - RGB-Dベースの把持パイプライン(比較対象) - single-view RGBベースライン(比較対象) - next-best-view / active perception 関連研究

※ 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: Shenglin Wang, Mingtong Dai, Jingxuan Su, Lingbo Liu, Chunjie Chen, Xinyu Wu, Liang Lin

分類: cs.RO

原文アブストラクト

Robotic grasping is a fundamental capability for autonomous manipulation, yet remains highly challenging in cluttered environments where occlusion, poor perception quality, and inconsistent 3D reconstructions often lead to unstable or failed grasps. Conventional pipelines have widely relied on RGB-D cameras to provide geometric information, which fail on transparent or glossy objects and degrade at close range. We present GraspView, an RGB-only robotic grasping pipeline that achieves accurate manipulation in cluttered environments without depth sensors. Our framework integrates three key components: (i) global perception scene reconstruction, which provides locally consistent, up-to-scale geometry from a single RGB view and fuses multi-view projections into a coherent global 3D scene; (ii) a render-and-score active perception strategy, which dynamically selects next-best-views to reveal occluded regions; and (iii) an online metric alignment module that calibrates VGGT predictions against robot kinematics to ensure physical scale consistency. Building on these tailor-designed modules, GraspView performs best-view global grasping, fusing multi-view reconstructions and leveraging GraspNet for robust execution. Experiments on diverse tabletop objects demonstrate that GraspView significantly outperforms both RGB-D and single-view RGB baselines, especially under heavy occlusion, near-field sensing, and with transparent objects. These results highlight GraspView as a practical and versatile alternative to RGB-D pipelines, enabling reliable grasping in unstructured real-world environments.

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

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
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 →