MAGICIAN：基于想象高斯的高效长期规划主动映射
计算机视觉与模式识别
2026-04-22 v2 机器人学
摘要
主动映射旨在确定智能体应如何移动以高效重建未知环境。大多数现有方法依赖于贪心的下一个最佳视图预测，导致探索效率低下且重建不完整。为此，我们引入了 MAGICIAN，一种新的长期规划框架，通过想象高斯（Imagined Gaussians）最大化累积表面覆盖收益。想象高斯是一种基于 3D 高斯溶解（3D Gaussian Splatting）的场景表示，从预训练的占据网络（pre-trained occupancy network）中派生，后者具有强大的结构先验。这种表示方法允许通过快速体积渲染高效计算任何新视角的覆盖收益，从而集成到用于长期视野规划的树搜索算法中。我们在闭环中更新想象高斯并细化轨迹。我们的方法在室内和户外基准测试中实现了最先进的性能，显现出长期规划在主动映射中的优势。
引用
@article{arxiv.2603.22650,
title = {MAGICIAN: Efficient Long-Term Planning with Imagined Gaussians for Active Mapping},
author = {Shiyao Li and Antoine Guédon and Shizhe Chen and Vincent Lepetit},
journal= {arXiv preprint arXiv:2603.22650},
year = {2026}
}
备注
Accepted at CVPR 2026 (Oral). Project webpage: https://shiyao-li.github.io/magician/