面向去中心化多智能体世界建模的联邦 3D 高斯溅写——F3DGS
计算机视觉与模式识别
2026-04-03 v1 机器人学
摘要
我们提出 F3DGS，一个用于去中心化多智能体 3D 重建的联邦 3D 高斯溅写框架。现有 3DGS 流程假设所有观测都集中访问，这限制了其在分布式机器人环境中的应用，在此环境中，智能体独立运行，中心化数据聚合可能受限。直接将集中式训练扩展到多智能体系统会引入通信开销和几何不一致性。F3DGS 首先通过注册来自多个客户的本地合并 LiDAR 点云来构建几何框架，以初始化全局 3DGS 模型。在联邦优化期间，高斯位置被固定以保持几何对齐，而每个客户仅更新与外观相关的属性，包括协方差、不透明度和球面谱系数。服务器使用基于可见性的聚合来聚合这些更新，根据每个高斯被观察频率为每个客户的贡献加权，从而解决多智能体探索中固有的部分可见性挑战。为评估去中心化重建，我们收集了一个包含同步 LiDAR、RGB 和 IMU 测量的多序列室内数据集。实验表明，F3DGS 在实现相当于集中式训练的重建质量方面，能够在智能体之间实现分布式优化。该数据集、开发套件和源代码将对外公开发布。
引用
@article{arxiv.2604.01605,
title = {F3DGS: Federated 3D Gaussian Splatting for Decentralized Multi-Agent World Modeling},
author = {Morui Zhu and Mohammad Dehghani Tezerjani and Mátyás Szántó and Márton Vaitkus and Song Fu and Qing Yang},
journal= {arXiv preprint arXiv:2604.01605},
year = {2026}
}
备注
Accepted to the CVPR 2026 SPAR-3D Workshop