TRACE: clutter環境下における単色ケーブルの対話的双方向トレーシング

- ケーブルなどの Deformable Linear Objects (DLOs) の状態推定（tracing）を対象とした研究。 - データセンター、製造、建設、家庭、手術などでのケーブル管理の安全性・効率性向上を目的とする。 - 複数の monochrome ケーブルが前景・背景の clutter にある状況で、occlusion、overlap、曖昧な crossing を解決する。 - Two-way Routing And Cable Estimation (TRACE) を提案。 - bi-directional cable tracing と interactive perception primitives（Divergence Push、Cluster Dilation）を組み合わせる。

- 複数の monochrome ケーブルが clutter にある複雑なシナリオ（最大4本、40 crossings）で、正しく traced されたケーブル長の割合を向上。 - 最強の先行手法 HANDLOOM 2.0 では約60%だったのに対し、TRACE は約90%を達成。 - RT-DLO、Nano Banana Pro、ChatGPT 5.2 も上回る。 - 110回の物理実験で評価。 - NVIDIA GeForce RTX 4090 GPU での試行で、1ケーブルあたり平均計算時間0.4秒。

- bi-directional cable tracing を採用。 - interactive perception primitives として Divergence Push と Cluster Dilation を組み合わせ、曖昧さを能動的に解決。 - これにより occlusion、overlap、ambiguous crossings に対処。 - 詳細なアルゴリズムや実装は要旨からは不明。

- 110回の物理実験を実施。 - 複雑なシナリオ（最大4本のケーブル、40 crossings）で、正しく traced されたケーブル長の割合を評価。 - 先行手法 HANDLOOM 2.0、RT-DLO、Nano Banana Pro、ChatGPT 5.2 と比較。 - NVIDIA GeForce RTX 4090 GPU での試行で計算時間を測定。

- 要旨からは不明。 - 限界や失敗ケース、一般化可能性、他の DLO への適用可能性などについての議論は記述されていない。

- HANDLOOM 2.0 - RT-DLO - Nano Banana Pro - ChatGPT 5.2 - これらは要旨で参照・比較されている研究・手法。