SoMA: ロボットによる柔軟物体操作のための実世界-シミュレーション間ニューラルシミュレータ
SoMA: A Real-to-Sim Neural Simulator for Robotic Soft-body Manipulation
3Dガウススプラッティングを用いて、柔軟物体の変形・環境力・ロボット関節動作を統合的な潜在ニューラル空間でモデル化し、実世界のロボット操作を高精度に再現・汎化する実世界-シミュレーション間シミュレータを提案。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Mu Huang, Hui Wang, Kerui Ren, Linning Xu, Yunsong Zhou, Mulin Yu, Bo Dai, Jiangmiao Pang
分類: cs.RO, cs.AI, cs.CV, physics.app-ph
原文アブストラクト
Simulating deformable objects under rich interactions remains a fundamental challenge for real-to-sim robot manipulation, with dynamics jointly driven by environmental effects and robot actions. Existing simulators rely on predefined physics or data-driven dynamics without robot-conditioned control, limiting accuracy, stability, and generalization. This paper presents SoMA, a 3D Gaussian Splat simulator for soft-body manipulation. SoMA couples deformable dynamics, environmental forces, and robot joint actions in a unified latent neural space for end-to-end real-to-sim simulation. Modeling interactions over learned Gaussian splats enables controllable, stable long-horizon manipulation and generalization beyond observed trajectories without predefined physical models. SoMA improves resimulation accuracy and generalization on real-world robot manipulation by 20%, enabling stable simulation of complex tasks such as long-horizon cloth folding.
