GaussTwin: 基于高斯泼溅的机器人数字孪生统一仿真与校正

数字孪生有望通过保持真实世界感知与仿真之间的一致联系来增强机器人操作。然而，大多数现有系统因缺乏统一模型、复杂的动态交互以及真实到仿真差距而受限，这限制了模型预测控制等下游应用。因此，我们提出GaussTwin，一种实时数字孪生，它将基于位置的动力学与离散Cosserat杆公式相结合以实现物理基础的仿真，并利用高斯泼溅进行高效渲染和视觉校正。通过将高斯锚定到物理基元上，并强制执行由光度误差和分割掩码驱动的连贯SE(3)更新，GaussTwin在保持物理保真度的同时实现了稳定的预测-校正。通过在仿真中和Franka Research 3平台上的实验，我们表明，与形状匹配和仅刚体基线相比，GaussTwin持续提高了跟踪精度和鲁棒性，同时还支持基于推动的规划等下游任务。这些结果凸显了GaussTwin是迈向统一、物理有意义的数字孪生的一步，可支持闭环机器人交互和学习。