PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.03453v1cs.RO

I2CD: 시뮬레이션 적용 가능한 충돌 지오메트리를 위한 직접 이미지-볼록 분해

I2CD: Direct Image-to-Convex Decomposition for Simulation-Ready Collision Geometry

물리 시뮬레이터와 모션 플래너는 볼록(convex) 충돌 지오메트리를 필요로 하지만, 이미지-3D 생성 모델은 조밀하고 흔히 논매니폴드(non-manifold)인 시각적 메시를 출력합니다. 현재 이 둘을 연결하려면 복구, 데시메이션(decimation), 근사 볼록 분해로 이어지는 느리고 취약한 '재구성 후 분해(reconstruct-then-decompose)' 파이프라인을 거쳐야 합니다. 본 연구에서는 단일 RGB 이미지로부터 직접 볼록 분해를 예측하는 I2CD를 제시합니다. I2CD는 새로운 이미지-3D 모델을 학습시키는 대신, 사전학습된 Hunyuan3D-2 이미지 조건부 디퓨전 트랜스포머와 형상 디코더를 동결하고 경량 크로스 어텐션 헤드(3,800만 파라미터, 10 GPU 시간 미만)만을 학습시킵니다. 이 헤드의 학습된 '볼록-슬롯(convex-slot)' 토큰은 $K$개 볼록 다포체(convex polytope)의 반평면(halfplane) 파라미터를 출력합니다. 그 결과물은 컴팩트하고 구조적으로 볼록하며, 어떠한 후처리도 없이 이미지당 약 $0.5$초 만에 물리 엔진에 로드됩니다. 별도로 보류된 $227$개의 OmniObject3D 및 Google Scanned Objects 인스턴스에서, I2CD는 8개의 '재구성 후 분해' 파이프라인 중에서 가장 높은 체적 IoU를 달성하는 동시에 엔드투엔드 속도는 $6$-$37\times$ 더 빨랐습니다. MuJoCo, PyBullet, Genesis, Isaac Sim을 아우르는 교차 시뮬레이터 연구에서, 모든 엔진은 전달받은 I2CD 지오메트리를 그대로 사용하는 반면, 원본 생성 메시는 어디서나 '로드'는 되지만 대부분 조용히 다른 충돌 형상으로 대체되거나 객체당 수 초에서 수 분의 전처리가 필요했습니다. 실제 물리 환경의 xArm7에서, I2CD는 20개 물체로 복잡한 장면에 대해 플래너에 즉시 사용 가능한 지오메트리를 가장 강력한 기준선(baseline)의 $328$초 대비 $11$초 만에 생성했으며, 집기 및 놓기(pick-and-place) 실행 성공률도 대등한 수준($100$회 시도 중 $85$회 대 $90$회)을 기록했습니다.