マニピュレーション2026/2/1arXiv:2602.17101

物体姿勢推定と再構成がロボット把持成功に与える影響のベンチマーク

Benchmarking the Effects of Object Pose Estimation and Reconstruction on Robotic Grasping Success

物体の3D再構成と6D姿勢推定がロボット把持に与える影響を物理シミュレーションで評価する大規模ベンチマークを提案し、再構成の誤差よりも姿勢推定の空間誤差が把持成功を支配することを示した。

詳しい要約

1. どんなもの？

- 3D reconstructionの品質がロボット把持に与える影響を評価する大規模物理ベースベンチマークを提案。 - 6D pose estimatorと3D mesh modelを把持の機能的有効性で評価。 - 再構成メッシュ上で把持を生成し、ground-truthモデルで実行することで、不完全モデルが実物体との相互作用に与える影響を模擬。

2. 先行研究と比べてどこがすごい？

- 従来の3D reconstruction評価は視覚的・幾何的指標に留まり、下流のロボット操作性能を反映しない。 - 本研究は把持成功という機能的指標でpose estimatorとmesh modelを評価する点が新しい。 - 再構成品質と把持性能の関係を物理ベースで大規模に分析。

3. 技術・手法の肝は？

- 多視点画像から再構成した様々な3Dメッシュ上で把持を生成。 - 生成した把持をground-truthモデル上で実行し、実物体との相互作用をシミュレート。 - pose error、grasp robustness、3D reconstructionの幾何的不正確さの複合影響を評価。

4. どうやって有効だと検証した？

- 大規模物理ベースベンチマークを構築し、6D pose estimatorと3D mesh modelを把持成功で評価。 - 再構成アーティファクトが把持候補数を大幅に減らすが、正確なpose推定下では把持性能への影響は無視できることを示す。 - 把持成功とpose errorの関係は空間誤差が支配的で、単純な並進誤差でも対称物体の把持成功を説明できることを明らかに。

5. 議論はある？

- 再構成アーティファクトは把持候補数を減らすが、正確なpose推定があれば把持性能への影響は小さい。 - 把持成功とpose errorの関係は空間誤差が支配的。 - 単純な並進誤差が対称物体の把持成功の洞察を与える。 - 知覚システムとロボット操作の関係に関する知見を提供。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、6D object pose estimation (e.g., PoseCNN, PVNet) や3D reconstruction (e.g., NeRF, COLMAP) の論文が挙げられる。

※ 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: Varun Burde, Pavel Burget, Torsten Sattler

分類: cs.RO, cs.CV

原文アブストラクト

3D reconstruction serves as the foundational layer for numerous robotic perception tasks, including 6D object pose estimation and grasp pose generation. Modern 3D reconstruction methods for objects can produce visually and geometrically impressive meshes from multi-view images, yet standard geometric evaluations do not reflect how reconstruction quality influences downstream tasks such as robotic manipulation performance. This paper addresses this gap by introducing a large-scale, physics-based benchmark that evaluates 6D pose estimators and 3D mesh models based on their functional efficacy in grasping. We analyze the impact of model fidelity by generating grasps on various reconstructed 3D meshes and executing them on the ground-truth model, simulating how grasp poses generated with an imperfect model affect interaction with the real object. This assesses the combined impact of pose error, grasp robustness, and geometric inaccuracies from 3D reconstruction. Our results show that reconstruction artifacts significantly decrease the number of grasp pose candidates but have a negligible effect on grasping performance given an accurately estimated pose. Our results also reveal that the relationship between grasp success and pose error is dominated by spatial error, and even a simple translation error provides insight into the success of the grasping pose of symmetric objects. This work provides insight into how perception systems relate to object manipulation using robots.

arXivで原文を読む →arXiv概要ページ

物体姿勢推定と再構成がロボット把持成功に与える影響のベンチマーク

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？

原文アブストラクト

関連論文

今週よく読まれている記事

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell