基于 3D 高斯溶解的自适应建模：面向长期服务机器人
机器人学
2025-03-25 v1 计算机视觉与模式识别
摘要
3D 高斯溶解（3DGS）因其明确、稠密的场景表示而在机器人领域受到广泛关注，展现出强大的机器人应用潜力。然而，现有 3DGS 方法主要关注静态场景，缺乏对服务机器人所需长期运行中动态场景变化的关注。这些机器人需要持续执行任务并高效更新场景——当前方法尚未满足这一需求。为此，我们提出 GS-LTS（Gaussian Splatting for Long-Term Service），一种支持室内机器人在动态环境中长期管理多样化任务的 3DGS 系统。GS-LTS 通过单图像变化检测识别场景变化（如物体增减），采用基于规则的策略自主收集多视角观测数据，并通过高斯编辑高效更新场景表示。此外，我们提出一个基于仿真的基准测试，自动生成场景变化数据作为紧凑配置脚本，提供标准化、用户友好的评估基准。实验结果表明，GS-LTS 在重建、导航及场景更新方面具有优势——速度更快、质量更高，优于基于图像训练的基线方法，推动了 3DGS 在长期机器人操作中的应用。代码与基准已公开：https://vipl-vsu.github.io/3DGS-LTS。
引用
@article{arxiv.2503.17733,
title = {GS-LTS: 3D Gaussian Splatting-Based Adaptive Modeling for Long-Term Service Robots},
author = {Bin Fu and Jialin Li and Bin Zhang and Ruiping Wang and Xilin Chen},
journal= {arXiv preprint arXiv:2503.17733},
year = {2025}
}