RiCo: 局所接触推論による剛体相互作用のニューラルシミュレーション

本論文は、剛体相互作用を局所的な接触面点の近傍のみで推論するニューラルシミュレータ RiCo (Rigid-body Contact Reasoning) を提案する。 - 剛体接触は本質的に局所的で、近接表面のみが接触力を直接交換するという観察に基づく。 - 各点の状態と近傍表面の相対幾何・運動・物理特性を組み合わせ、物体の点群間で推論して運動への影響を求める。 - 物体間推論を近接表面に限定しつつ、剛体内で接触情報を伝播させる。 - シーン内の全点ペアをモデル化するコストを避けつつ、細粒度の相互作用詳細を保持する。

先行の end-to-end world model はシーン全体や物体全体で相互作用を予測するが、剛体接触の局所性を活かしていない。 - RiCo は接触面点の疎な近傍のみで物体間推論を行う点が異なる。 - これにより全点ペアをモデル化するコストを回避し、より高い精度と接触忠実度を実現。 - MOVi-benchmark で 100 フレームの位置・姿勢誤差をそれぞれ 31-35%、約 38% 削減。 - 接触忠実度も高く、ground-truth 相対の penetration-time 差 11.0%、mean-depth 差 2.22 mm を達成。

RiCo は剛体相互作用を接触表面点の疎な近傍で表現する。 - 各点の状態に、近傍表面の相対幾何・運動・物理特性を結合する。 - 物体の点群間で推論し、局所接触が運動に与える影響を統合的に決定する。 - 物体間の cross-object reasoning を近接表面に限定する。 - 剛体内では接触情報を伝播させ、細粒度の相互作用詳細を保持する。

MOVi-benchmark での実験により有効性を検証。 - 100 フレームの位置誤差と姿勢誤差をベースライン比でそれぞれ 31-35%、約 38% 削減。 - 接触忠実度として ground-truth 相対の penetration-time 差 11.0%、mean-depth 差 2.22 mm を報告。 - 小規模学習シナリオから 270 物体を含むシーンへの zero-shot 汎化を確認。 - 実世界の multi-ball collision 実験で sim-to-real 転移の予備的証拠を示す。

要旨からは不明。 - 限界や失敗事例、計算コスト、スケーラビリティに関する議論は要旨に記載がない。 - 実世界実験は preliminary evidence とされており、詳細な議論は本文を参照する必要がある。

要旨で参照・比較されている研究や関連手法は明示されていない。 - 同分野の定番として、end-to-end world model、neural physics simulator、graph neural network ベースの物理シミュレーション、contact dynamics の研究が挙げられる。 - 具体的な論文名は要旨からは不明。