InterMASH: 把持合成のための統一幾何表現

- 手と物体の安定かつ物理的に妥当な把持を生成するgrasp synthesisのための統一表現InterMASHを提案。 - 人間とロボットの手の形態・表面モデリングの違いを超え、sphere-fixed anchorsでcross-embodiment対応を確立。 - 各anchorで低次spherical harmonicsにより局所的な手形状・物体形状・接触をコンパクトに符号化し、明示的で解釈可能なtoken sequenceを形成。 - このtoken化構造上でconditional Diffusion Transformerを動作させ、手形状と接触を同時生成。

- 従来はcontact mapsやdense implicit descriptorsで相互作用を表現していたが、不完全または計算コストが高く冗長という問題があった。 - InterMASHは統一幾何表現により、これらよりコンパクトで明示的・解釈可能な表現を実現。 - 大規模ShadowHandベンチマークで主要な物理的実現可能性指標においてstate-of-the-artと競合する性能を達成。 - 複数の手でのjoint trainingをサポートし、人間の把持データによるcross-embodiment fine-tuningがロボット把持の成功率と多様性を改善することを示した。

- sphere-fixed anchorsを介してcross-embodiment correspondenceを確立。 - 各anchorで低次spherical harmonicsを用いて局所的な手形状・物体形状・接触をコンパクトに符号化し、明示的で解釈可能なtoken sequenceを構成。 - このnatively tokenized構造に基づき、conditional Diffusion TransformerをInterMASH表現空間で直接動作させ、手形状と接触をjointlyに生成。 - これにより一貫性と物理的妥当性を向上。

- 大規模ShadowHandベンチマークにおいて、主要な物理的実現可能性指標でstate-of-the-art手法と競合する性能を達成。 - 複数の手でのjoint trainingが可能であることを示した。 - 人間の把持データによるcross-embodiment fine-tuningがロボット把持の成功率と多様性を改善することを示した。

- 要旨からは不明。

- 要旨で参照/比較されている具体的な先行研究は明示されていない。関連手法としてcontact maps、dense implicit descriptors、conditional Diffusion Transformer、spherical harmonics、ShadowHandベンチマークなどが挙げられる。