EFF-Grasp: 物理認識型デクストラス把持生成のためのエネルギー場フロー整合

概要: デノイジング生成モデルは、巨大なデータセットから複雑な把持分布をモデル化できる能力のおかげで、器用な把持生成の支配的なパラダイムとなっています。 しかし、既存の拡散ベースの手法は通常、生成を確率微分方程式（SDE）として定式化するため、しばしば多くの逐次的なデノイジングステップを必要とし、軌道の不安定性を引き起こして物理的に実現不能な把持につながることがあります。 本論文では、物理学を意識した器用な把持生成のための新しい Flow-Matching ベースのフレームワークである EFF-Grasp を提案します。 具体的には、把持合成を決定論的な常微分方程式（ODE）プロセスとして再定式化し、滑らかな確率フローを通じて効率的で安定した生成を可能にします。 物理的実現可能性をさらに担保するため、トレーニング不要の物理認識エネルギーガイダンス戦略を導入します。 我々の手法は、主要な把持制約を捉える適応型の明示的な物理エネルギー関数を用いてエネルギーガイド付きの目標分布を定義し、推論時には局所的なモンテカルロ近似によって対応するガイダンス項を推定します。 このように、EFF-Grasp は追加の物理ベースの訓練やシミュレーションフィードバックを必要とせず、生成の軌道を物理的に実現可能な領域へ動的に誘導します。 5つのベンチマークデータセットを対象とした広範な実験により、EFF-Grasp は把持品質および物理的実現可能性の点で優れた性能を発揮し、拡散ベースのベースラインよりもはるかに少ないサンプリングステップを必要とすることが示されました。