VGM-VS: 高精度ビジュアルサーボのための視覚幾何モデルの再考

- 視覚サーボイング手法 VGM-VS の提案。 - 事前学習済み feed-forward visual geometry model を用い、現在視と目標視の相対カメラ pose を推定。 - それを closed-loop pose-based visual servoing (PBVS) の pose 増分として反復適用。 - 対象が遮蔽・弱テクスチャ・画像の一部のみでも推定が安定。 - 実世界の組立タスク (USB-C cable picking, cable insertion, RAM insertion) で評価。

- 大規模事前学習による geometry-aware 表現で、遮蔽・弱テクスチャ・小領域の対象でも推定が信頼できる。 - 従来の visual servoing baseline を上回る性能。 - 専用の calibration を不要にし、hand-eye transform を同時学習。 - 30Hz のリアルタイム動作で submillimeter 精度を達成。 - 目標移動時や初期変位 30cm、50% 遮蔽でも高い成功率。

- 事前学習済み feed-forward visual geometry model で相対カメラ pose を推定。 - 推定 pose を PBVS の pose 増分として閉ループ反復。 - スケール曖昧性に対し、シーン固有の metric adaptation を実施。 - ロボットが目標 pose から所定動作で image-pose ペアを自律記録。 - そのデータで camera head を fine-tune し、hand-eye transform を同時学習。

- 実世界の3つの組立タスク (USB-C cable picking, cable insertion, RAM insertion) で評価。 - 30Hz のリアルタイム動作で、cable タスクでは submillimeter の最終精度。 - サーボ中に目標を移動させた場合の成功率 90–100%。 - 初期変位 30cm まで、目標の 50% 遮蔽下でも全試行で収束。 - 比較した visual servoing baseline を上回る。

- スケール曖昧性が予測 translation を未知スケールに制限する問題を指摘。 - シーン固有の metric adaptation でこのギャップを埋める。 - 専用 calibration を不要にする利点。 - 遮蔽・弱テクスチャ・小領域対象への頑健性。 - その他の限界や議論は要旨からは不明。

- 要旨で参照/比較されている visual servoing baselines。 - 事前学習済み feed-forward visual geometry model に関する研究。 - pose-based visual servoing (PBVS) の関連研究。 - hand-eye calibration の従来手法。 - 具体的な論文名は要旨からは不明。