マニピュレーション2026/10/18arXiv:2610.25410

混雑環境での大規模クロスエンボディメント巧みな把持

T(R,O) Grasp++: Cross-Embodiment Dexterous Grasping in Cluttered Environments at Scale

8種の巧みなハンドと約5万物体にわたる約5億の把持アノテーションを備えた大規模シミュレーションベンチマークを構築し、混雑環境でのクロスエンボディメント把持合成の拡散モデルT(R,O) Grasp++を提案した。平均成功率88%、推論遅延0.3秒を達成。

詳しい要約

1. どんなもの？

- 混雑環境での dexterous grasping を対象とした大規模 simulation benchmark と拡散モデルベースの grasp 合成フレームワーク - benchmark は 8 種類の dexterous hands、約 50K objects、約 0.5B grasp annotations から構成 - T(R,O) Grasp++ は cross-embodiment な dexterous grasp synthesis を可能にする scalable な diffusion-based framework - 複数 embodiment にまたがる grasping を大規模データで扱う点が特徴

2. 先行研究と比べてどこがすごい？

- 従来の dexterous grasping 研究と比べ、8 hands・約 50K objects・約 0.5B annotations という大規模 benchmark を提示 - cross-embodiment 設定での grasp synthesis を対象としている点が先行研究との差分 - 既存 baselines を大きく上回り、8 embodiments 平均 88% の success rate を達成 - inference latency 0.3s と、inference sample efficiency を 10 倍以上改善 - 混雑環境という複雑な object-environment constraints 下での性能を示す

3. 技術・手法の肝は？

- diffusion-based framework により dexterous grasp を合成 - cross-embodiment に対応するため、複数 hand の embodiment 差を扱う設計 - 混雑環境の object-environment constraints を考慮した high-dimensional hand coordination を必要とする grasp 生成 - scalable な pipeline により大規模 annotations を活用 - 詳細な architecture・conditioning・training procedure は要旨からは不明

4. どうやって有効だと検証した？

- 約 0.5B grasp annotations、8 dexterous hands、約 50K objects の simulation benchmark 上で評価 - 既存 baselines との比較実験を実施 - 8 dexterous embodiments で平均 88% の success rate を報告 - inference latency 0.3s、inference sample efficiency 10 倍以上改善を報告 - 実機実験の有無は要旨からは不明

5. 議論はある？

- 混雑環境での dexterous grasping における高次元 hand coordination と object-environment constraints の難しさを提起 - 大規模 simulation benchmark の構築と cross-embodiment 評価の枠組みを提示 - simulation から実世界への転移 (sim-to-real) に関する議論は要旨からは不明 - benchmark の網羅性や embodiment 間の一般化限界についての詳細は要旨からは不明

6. 次に読むべき論文は？

- T(R,O) Grasp 系列の先行研究 (T(R,O) Grasp など) - diffusion-based grasp synthesis の関連研究 - cross-embodiment dexterous grasping の関連研究 - dexterous grasping benchmark の関連研究 - 要旨で具体的に参照されている個別論文名は不明

※ 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: Xin Fei, Zhixuan Xu, Huaicong Fang, Fangjun Chen, Zhaoyu Mu, Rui Yang, Zhexi Luo, Lin Shao

分類: cs.RO

原文アブストラクト

Dexterous grasping in cluttered scenes remains a central challenge in robotic manipulation, as it requires high-dimensional hand coordination under complex object-environment constraints. To address this problem, we introduce one of the largest simulation benchmarks to date, comprising around 0.5B grasp annotations across eight dexterous hands and approximately 50K objects. Furthermore, we propose T(R,O) Grasp++, a scalable diffusion-based framework for cross-embodiment dexterous grasp synthesis in cluttered environments. Extensive experiments demonstrate that our model significantly outperforms existing baselines, achieving an average success rate of 88% across eight dexterous embodiments. Meanwhile, our pipeline achieves only 0.3s inference latency while improving inference sample efficiency by over 10 times.

arXivで原文を読む →arXiv概要ページ

混雑環境での大規模クロスエンボディメント巧みな把持

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