DeformX: 変形可能な線状物体のための多用途共シミュレーションフレームワーク
DeformX: A Versatile Co-Simulation Framework for Deformable Linear Objects
ワイヤやケーブルなどの変形可能な線状物体（DLO）を、物理的に正確かつ視覚的にリアルにシミュレートするための共シミュレーションフレームワークを提案する。Cosseratロッド物理エンジンとNVIDIA Isaac Simを統合し、ロボット学習パイプラインとの互換性を実現している。
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: Yi Yang, Xiang Fei, Lehong Wang, Chenhao Li, Zilin Dai, Henry Kou, Lu Li, Howie Choset
分類: cs.RO
原文アブストラクト
Deformable linear objects (DLOs) such as wires, cables, and ropes are common in robotic manipulation tasks, yet simulating them with both visual realism and physical accuracy remains challenging. Existing visual simulation methods typically rely on procedural geometric primitives that lack physically grounded deformation behavior, while physics-based approaches with robot learning support often approximate DLOs as rigid-link chains or generic soft bodies, failing to accurately capture the bending, twisting, and shear mechanics of slender elastic structures. In this work, we introduce DeformX, a co-simulation framework that integrates a dedicated Cosserat rod physics engine with NVIDIA Isaac Sim, enabling DLO simulations that are both physically faithful and visually realistic. Our Cosserat rod engine simulates the dynamics and self-collisions of DLOs, and contact interactions with arbitrary free-form meshes. To achieve high-fidelity visualization, we employ mesh skinning to map discrete rod deformations onto imported CAD models. To the best of our knowledge, DeformX is the one of the first frameworks for DLO simulation that unifies realistic visualization, principled physics, and compatibility with robot learning pipelines. We demonstrate its versatility across synthetic data generation and policy learning for DLO manipulation, and validate visual and physical fidelity through comparisons against real-world experiments. Notably, fine-tuning Segment Anything Model 3 (SAM3) on DeformX-generated data yields a 10.2% mAP@75 improvement in real-image wire segmentation, and a rope-swinging policy trained entirely in DeformX achieves a mean target-hitting error of 6.6 cm on a UR5e manipulator in real-world trials, highlighting its strong sim-to-real transfer capability.
関連論文
- 詳細メッシュ対応の接触リッチ相互作用向け軽量シミュレータLodosシミュレーション
- Ostrich: 微分可能ダイナミクスにおける剛直な接触を跨ぐ大きな歩幅シミュレーション
- Agri-Sim: 温室ロボティクスにおける具現化知能評価のための農業シミュレーションプラットフォームシミュレーション
- 浅海域の写実性を超えて：深海ロボティクスのための物理・センサ接地シミュレーションシミュレーション
- NVIDIA Cosmos-H-Dreams: 手術ロボットのためのリアルタイム生成物理シミュレーションシミュレーション
- CRESSim-Neo: 手術ロボティクスとロボット学習のためのバッチ処理GPUシミュレーションエンジンシミュレーション
