基于高斯泼溅跨层优化的通信高效机器人混合现实
机器人学
2025-09-04 v2 信息论
math.IT
摘要
在机器人混合现实（RoboMR）系统中实现低成本通信面临挑战，因为需要通过无线信道上传输高分辨率图像。本文提出高斯泼溅（GS）RoboMR（GSMR），它使模拟器能够通过调用GS模型中的“记忆”，根据机器人姿态机会性地渲染出照片级逼真的视图，从而减少对过多图像上传的需求。然而，GS模型可能与实际环境存在差异。为此，本文进一步提出了一种GS跨层优化（GSCLO）框架，该框架通过最小化新推导出的GSMR损失函数，跨不同帧联合优化内容切换（即决定是否上传图像）和功率分配（即根据内容配置文件进行调整）。GSCLO问题通过一种加速惩罚优化（APO）算法解决，该算法相比传统的分支定界和搜索算法，计算复杂度降低了超过10倍。此外，还提出了GSCLO的变体，以实现鲁棒、低功耗和多机器人GSMR。大量实验表明，所提出的GSMR范式和GSCLO方法在轮式和腿式机器人上，于各种场景下的多种指标上均显著优于现有基准。首次发现，RoboMR可以以超低通信成本实现，并且数据混合有助于增强动态场景中的GS性能。</p>
引用
@article{arxiv.2508.08624,
title = {Communication Efficient Robotic Mixed Reality with Gaussian Splatting Cross-Layer Optimization},
author = {Chenxuan Liu and He Li and Zongze Li and Shuai Wang and Wei Xu and Kejiang Ye and Derrick Wing Kwan Ng and Chengzhong Xu},
journal= {arXiv preprint arXiv:2508.08624},
year = {2025}
}
备注
14 pages, 18 figures, to appear in IEEE Transactions on Cognitive Communications and Networking