把持認識/アフォーダンス2026/10/21arXiv:2610.29474

複数物体画像へのウェアラブルロボット向けアフォーダンスセグメンテーション拡張

Extending Affordance Segmentation for Wearable Robots to Multi-Object Images

レーザーポインタと再学習で、複数物体がある実環境でも把持可能部位を認識できるよう視覚パイプラインを改良し、対象の曖昧性解消精度を最大9%向上させた。

詳しい要約

1. どんなもの？

- 上肢義手などのwearable robotsにおける把持部位認識のためのvision-based portable pipelineの改良 - 複数物体が存在する現実的なシーンでの対象物体の曖昧性解消を目的とする - laser pointerを導入したハードウェアの小改修とcustom training approachを組み合わせる - mixed reality戦略により既存の高品質segmentation masksを再利用し、手続き的にリアルな画像を生成 - 最終デバイスが対応できるシナリオの範囲を拡張する

2. 先行研究と比べてどこがすごい？

- 既存のvision-based portable pipelinesは単一物体を前提とした把持部位認識が中心で、複数物体シーンは課題であった - 提案手法はlaser pointerによる対象物体のdisambiguationを導入し、複数物体画像へ適用範囲を拡張 - 実験結果ではtarget disambiguation accuracyが既存手法比で最大9%向上 - 計算コストを維持したまま精度向上を実現した点が先行研究との差分 - 詳細な比較対象手法名は要旨からは不明

3. 技術・手法の肝は？

- 従来のハードウェア構成にlaser pointerを追加する小改修 - laser pointerを物体disambiguationの実効的な機構として利用 - 把持可能部位認識を担うdeep convolutional neural networksの再学習(custom training approach) - mixed reality戦略で既存の高品質segmentation masksを再利用し、リアルな画像をprocedurallyに生成 - 生成画像により最終デバイスが対応するシナリオ範囲を拡張

4. どうやって有効だと検証した？

- 実験結果により提案pipelineの有効性を確認 - target disambiguation accuracyが既存ソリューション比で最大9%向上することを示す - 計算コストが維持されることも確認 - 具体的なデータセット名・評価プロトコル・被験者数などは要旨からは不明

5. 議論はある？

- 複数物体が存在する現実的シナリオへの適用拡張が議論の中心 - laser pointer導入によるハードウェア改修の実用性・受容性に関する詳細は要旨からは不明 - mixed realityによるprocedural画像生成の限界やreal-to-synthetic gapについては要旨からは不明 - 計算コスト維持の定量的根拠や比較条件は要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照/比較されている既存のvision-based portable pipelines(具体的名称は要旨からは不明) - deep convolutional neural networksを用いたaffordance segmentation関連研究 - mixed realityやprocedural image generationを用いたデータ拡張研究 - upper-limb prosthetic devicesにおけるautomatic grasp selection and preshaping関連研究

※ 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: Simone Lugani, Matteo Montani, Paolo Gastaldo, Rodolfo Zunino, Edoardo Ragusa

分類: cs.CV, cs.RO

原文アブストラクト

This paper proposes a refinement to existing vision-based portable pipelines for the recognition of graspable object parts. Such pipelines can effectively support automatic grasp selection and preshaping in upper-limb prosthetic devices. However, realistic scenarios in which multiple objects are present still represent a challenge. The proposed method exploits a minor modification to the conventional hardware setup and a custom training approach to extend the applicability of vision-based pipelines. A laser pointer is introduced in the setup as an effective mechanism for object disambiguation. Accordingly, a suitable retraining of the deep convolutional neural networks supporting recognition of graspable parts is implemented. A mixed reality strategy allows the reuse of available high-quality segmentation masks to generate realistic images procedurally, extending the range of scenarios supported by the final device. Experimental results confirm that the proposed pipeline improves target disambiguation accuracy by up to 9% compared with existing solutions, while preserving the computational cost.

arXivで原文を読む →arXiv概要ページ

← 論文一覧