本稿では、視覚センサー、シミュレーション、あるいは生成的ニューラルネットワークから得られるポリアーティキュレーテッドチェーンのポイントクラウドデータを用いて、多指グリッパーの関節構成を効率的に特定するアプローチを提案します。従来の逆運動学(IK)技術は、フィンガーチップのポーズに基づいて数学的に正確な解を提供することができますが、全ての中間指骨の位置を考慮する必要があります。対照的に、本研究では条件付き変分オートエンコーダ(CVAE)を活用し、ポイントクラウドデータを入力として、対応する関節構成を再構成します。このアプローチは、Allegro Handを使用したMultiDexグラッピングデータセットで検証され、0.05ミリ秒以内で動作し、最新技術に匹敵する精度を達成しました。この成果は、グラスタンジングにおけるAI駆動技術の広範な文脈における関節構成推定の効果的なパイプラインを示しています。