日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

液体知覚/3D再構成arXiv:2511.11077

Phys-Liquid: 透明変形液体の3D形状と体積を推定するための物理情報データセット

Phys-Liquid: A Physics-Informed Dataset for Estimating 3D Geometry and Volume of Transparent Deformable Liquids

シェア:XThreadsFacebookLINEはてブBluesky

容器の動きで変形する透明液体の3D形状・体積を推定するため、97,200枚の物理シミュレーション画像と3Dメッシュからなるデータセットを構築し、4段階の再構成パイプラインで有効性を検証した。

詳しい要約

1. どんなもの?

- 透明で変形する液体の3D形状と体積を推定するための物理ベースのデータセット - 97,200枚のシミュレーション画像と対応する3Dメッシュで構成 - 複数の実験室シーン、照明条件、液体の色、容器の回転をカバーし、液体の動的挙動を捉える - 液体操作タスク(分注、吸引、混合)を行う自律ロボットの知覚を想定 - データセットとコードは公開予定(URL記載)

2. 先行研究と比べてどこがすごい?

- 既存データセットは、多様な動的シナリオ下での現実的な液体挙動を表す物理ベースのシミュレーションデータが不足していると指摘 - Phys-Liquidは物理ベースのシミュレーションで液体ダイナミクスを網羅的にカバー - 実験結果では、液体形状と体積の再構成精度・一貫性が既存ベンチマークを上回ったと報告 - 具体的な比較対象のベンチマーク名は要旨からは不明

3. 技術・手法の肝は?

- 物理ベースのシミュレーションにより、容器回転などで生じる動的な表面変形を含む液体挙動を生成 - 4段階の再構成・推定パイプラインを提案 - 液体segmentation - 多視点mask生成 - 3D mesh reconstruction - 実世界スケーリング(real-world scaling) - 透明液体の光学的複雑さに対処するため、シミュレーション画像と3Dメッシュの対応を活用

4. どうやって有効だと検証した?

- 提案する4段階パイプライン(segmentation、多視点mask、3D mesh reconstruction、real-world scaling)で検証 - 液体形状と体積の再構成において精度と一貫性が向上し、既存ベンチマークを上回る結果 - データセットの現実性と有効性を検証したと記載 - 具体的な評価指標・実験設定の詳細は要旨からは不明

5. 議論はある?

- 透明で変形する液体の光学的複雑さと動的表面変形が課題であると議論 - 既存データセットの不足を埋める位置づけ - 今後の透明液体知覚タスクの発展に寄与すると主張 - 限界や失敗事例、sim-to-realギャップに関する具体的議論は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照・比較されている具体的な既存研究名は不明 - 関連手法として、透明物体の3D再構成(transparent object reconstruction)、multi-view stereo、液体segmentation、sim-to-real転移の定番研究を挙げる - データセット公開先(https://dualtransparency.github.io/Phys-Liquid/)の関連論文も参照候補

※ 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: Ke Ma, Yizhou Fang, Jean-Baptiste Weibel, Shuai Tan, Xinggang Wang, Yang Xiao, Yi Fang, Tian Xia

分類: cs.CV, cs.RO

原文アブストラクト

Estimating the geometric and volumetric properties of transparent deformable liquids is challenging due to optical complexities and dynamic surface deformations induced by container movements. Autonomous robots performing precise liquid manipulation tasks, such as dispensing, aspiration, and mixing, must handle containers in ways that inevitably induce these deformations, complicating accurate liquid state assessment. Current datasets lack comprehensive physics-informed simulation data representing realistic liquid behaviors under diverse dynamic scenarios. To bridge this gap, we introduce Phys-Liquid, a physics-informed dataset comprising 97,200 simulation images and corresponding 3D meshes, capturing liquid dynamics across multiple laboratory scenes, lighting conditions, liquid colors, and container rotations. To validate the realism and effectiveness of Phys-Liquid, we propose a four-stage reconstruction and estimation pipeline involving liquid segmentation, multi-view mask generation, 3D mesh reconstruction, and real-world scaling. Experimental results demonstrate improved accuracy and consistency in reconstructing liquid geometry and volume, outperforming existing benchmarks. The dataset and associated validation methods facilitate future advancements in transparent liquid perception tasks. The dataset and code are available at https://dualtransparency.github.io/Phys-Liquid/.

  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