RoboArmGS：通过贝塞尔曲线细化实现高质量机器人机械臂渲染
机器人学
2026-02-02 v2
摘要
从真实观测构建光照逼真且可控的机器人机械臂数字资产是机器人应用的基本任务。当前方法仅将静态3D高斯绑定到URDF链接上，强制其被动遵循URDF-rigged运动。然而，理想化的URDF-rigged运动无法准确建模实际捕获的运动，导致3D高斯出现严重渲染瑕疵。为此，我们提出RoboArmGS，一种新型混合表示，通过可学习的贝塞尔曲线细化URDF-rigged运动，从而实现更精确的真实世界运动建模。具体而言，我们提出可学习的贝塞尔曲线运动细化器，对每个关节的残差进行校正，以解决真实世界运动与URDF-rigged运动之间的不匹配。RoboArmGS实现了更准确的真实世界运动学习，同时保持3D高斯在机械臂各部件间的一致绑定。为支持未来研究，我们贡献了一个精心收集的数据集，名为RoboArm4D，包含多个广泛使用的机器人机械臂，用于评估构建高质量数字资产的效果。我们在RoboArm4D上进行评估，RoboArmGS在真实世界运动建模和渲染质量方面实现了最先进（SOTA）性能。代码和数据集将公开释放。
引用
@article{arxiv.2511.17961,
title = {RoboArmGS: High-Quality Robotic Arm Splatting via B\'ezier Curve Refinement},
author = {Hao Wang and Xiaobao Wei and Ying Li and Qingpo Wuwu and Dongli Wu and Jiajun Cao and Ming Lu and Wenzhao Zheng and Shanghang Zhang},
journal= {arXiv preprint arXiv:2511.17961},
year = {2026}
}