関節アセット生成2026/10/29arXiv:2610.40333

RFW-A: エージェントによる400K関節アセットの手続き的生成（500カテゴリ以上）

RFW-A: Agentic Procedural Generation of 400K Articulated Assets over 500 Categories

カテゴリ単位で再利用可能な生成プログラムをエージェントが構築・検証し、手続き的実行で50万カテゴリ超・40万点の関節アセットを低コスト生成する手法を提案。

詳しい要約

1. どんなもの？

- 400K 以上の articulated assets を 500 カテゴリ超で生成する agentic procedural generation フレームワーク RFW-A の提案 - agentic synthesis と procedural generation を組み合わせ、カテゴリ単位の再利用可能な generator を構築 - 生成データセット RFW-A-400K を構築し、embodied perception・simulation・manipulation 向けの sim-ready 資産を提供 - 学習・sim 方策の real 転移まで含めて有効性を示す研究

2. 先行研究と比べてどこがすごい？

- 人手アノテーションや手続き的モデリングは多大な人的コストを要する - 既存 agentic システムは資産ごとに高価な推論・refinement を繰り返す - カテゴリ内で構造・外観が違っても構築ロジックを共有できる点に着目 - generator 作成コストは平均 $10.62 で 200 資産に償却すると $0.05/資産、per-asset agentic synthesis baseline の $1.24 より大幅に低コスト

3. 技術・手法の肝は？

- 既存の articulated programs を起点に、再利用可能な component と依存関係をカテゴリレベル generator に組織化 - agent がサンプルされた configuration と motion state 上で generator を test・refine - 構築・検証済み generator は procedural execution により追加の model call・token 課金なしで多様な資産を生成 - agentic synthesis と procedural generation の相補性を利用し、ロジックを多数サンプルへ再利用

4. どうやって有効だと検証した？

- RFW-A-400K を構築し、構造的・運動学的妥当性が高いこと、複数 physics simulator で安定実行できることを実験で確認 - RFW-A-400K での学習が seen・unseen カテゴリの part-level articulation estimation を改善 - retrieved・program-edited 資産で simulation 学習した policy が real articulated objects へ zero-shot 転移 - コスト比較で per-asset agentic synthesis baseline に対する償却コスト優位性を提示

5. 議論はある？

- カテゴリ内で構築ロジックを共有できるという前提の一般性・限界は要旨からは不明 - generator の test・refine 品質や失敗時の挙動、カテゴリ外への汎化範囲は要旨からは不明 - 実世界転移の対象範囲・規模・条件の詳細は要旨からは不明 - コスト評価は API 費用と資産数に依存し、他設定への外挿性は要旨からは不明

6. 次に読むべき論文は？

- per-asset agentic synthesis baseline の元研究（program synthesis による資産構築の agentic 手法） - articulated object の part-level articulation estimation に関する研究 - simulation から real への zero-shot transfer を扱う sim-to-real policy learning 研究 - articulated asset 生成の手続き的モデリング・人手アノテーション型データセット研究

※ 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: Yuanbo Lyu, Changjian Pan, Saining Zhang, Yi Yang, Peishuo Li, Zhiheng Li, Jialu Liu, Junhao Chen, Jiawei Weng, Yupeng Gao, Weiqing Xiao, Wenyi Li, Jiarui Guo, Rui Zhang, Jingrun Du, Weiyi Lin, Zenan Meng, Hu Wei, Lin Qu, Zongzheng Zhang, Hao Zhao, Chaojian Li

分類: cs.CV

原文アブストラクト

High-quality articulated assets are essential for embodied perception, simulation, and manipulation, yet constructing them at scale remains difficult. Manual annotation and procedural modeling require substantial human effort. Recent agentic systems automate asset construction through program synthesis, but repeat costly reasoning and refinement for every new asset. Our key observation is that assets within a category can share construction logic despite variations in structure and appearance. Agentic synthesis and procedural generation are therefore complementary: agents can construct reusable programs, while procedural execution reuses the resulting logic across many samples. We therefore present RFW-A, which combines the two in a new articulated-asset generation paradigm. Starting from existing articulated programs, RFW-A organizes reusable components and their dependencies into category-level generators. Agents test and refine these generators across sampled configurations and motion states. Once constructed and validated, the generators produce diverse assets through procedural execution with no further model calls or token charges. The estimated API cost of generator authoring averages $10.62, amortizing to $0.05 per asset over 200 assets, versus $1.24 for the sampled per-asset agentic synthesis baseline. Using RFW-A, we built RFW-A-400K, containing over 400K sim-ready articulated assets across more than 500 categories. Experiments show high structural and kinematic validity and stable execution across physics simulators. Beyond asset validity, training with RFW-A-400K improves part-level articulation estimation on seen and unseen categories, while policies trained in simulation with retrieved and program-edited assets transfer zero-shot to real articulated objects.

arXivで原文を読む →arXiv概要ページ

← 論文一覧