能動的知覚で実世界とシミュレーションのずれを埋めるマニピュレーション手法

- Real-to-Sim-to-Real (Real2Sim2Real) における real2sim gap を、受動的知覚ではなく能動的知覚 (active perception) で解消するフレームワーク ActiveAlign の提案。 - 2つのモジュールから構成される。 - ActiveAlign-Waving: 能動的な手の動きと differentiable rendering を利用した hand-eye calibration。 - ActiveAlign-Touching: tactile feedback により物体アライメントをミリメートル精度で精緻化。 - 実機 Unitree G1 上でボタン押しやスライダー移動などミリメートルスケール物体の fine manipulation を実現。

- 既存の Real2Sim2Real 手法は主に passive perception に依存し、不完全な観測に起因する real2sim gap が生じる。 - 本研究は人間が行動を通じて能動的に知覚する点に着想を得て、interaction から gap を能動的に合わせ込む点が新しい。 - 受動的知覚ではなく active perception を Real2Sim2Real のアライメントに用いる点が先行研究との差異。 - 具体的な先行研究名や定量的比較は要旨からは不明。

- ActiveAlign-Waving: 能動的な hand motion と differentiable rendering を活用して hand-eye calibration を実行。 - ActiveAlign-Touching: tactile feedback を用いて物体アライメントを反復的に精緻化し、ミリメートル級精度を狙う。 - 両モジュールを組み合わせることで強い real2sim alignment を実現する設計。 - 詳細なアルゴリズムや損失設計は要旨からは不明。

- ActiveAlign-Waving を用いて、未キャリブレーションのオープンソースロボットマニピュレーションデータセット向けの simulation 環境をキュレーションできることを示した。 - 実機 Unitree G1 上で、ボタン押しやスライダー移動といったミリメートルスケール物体の fine manipulation が可能であることを実証。 - 定量的な評価指標や比較実験の詳細は要旨からは不明。

- 能動的知覚による real2sim gap の解消という枠組みの有効性と、ミリメートル精度の fine manipulation への応用可能性が示唆される。 - 限界、失敗事例、計算コスト、tactile feedback の一般性などについての議論は要旨からは不明。 - 未キャリブレーションデータセットへの適用可能性が述べられているが、その範囲や制約は要旨からは不明。

- Real-to-Sim-to-Real (Real2Sim2Real) の既存手法（passive perception ベース）。 - differentiable rendering を用いた hand-eye calibration 関連研究。 - tactile feedback を用いた物体アライメント／接触に基づく姿勢推定研究。 - Unitree G1 を用いたロボットマニピュレーション研究。 - 具体的な論文名は要旨で参照されていないため、上記は関連手法の一般名として挙げる。