SplatSearch:使用3D高斯溅射和扩散模型的移动机器人实例图像目标导航
机器人学
2025-11-18 v1
摘要
实例图像目标导航（IIN）问题要求在未知环境中部署的移动机器人仅凭目标的单个参考目标图像即可搜索特定对象或感兴趣的人。当:(1)参考图像是从任意视角捕获的，以及(2)机器人必须使用稀疏视图场景重建时，这一问题尤其具有挑战性。本文通过引入SplatSearch来解决IIN问题，一种新型架构利用稀疏视图3D高斯溅射（3DGS）重建。SplatSearch使用稀疏在线3DGS地图渲染候选对象周围的多个视角，并使用多视角扩散模型完成渲染图像的缺失区域，实现对目标图像的稳健特征匹配。引入了一种新型前沿探索策略，该策略利用从合成视角获得的视觉上下文与从目标图像获得的语义上下文来评估前沿位置，使机器人能够优先考虑与目标图像在语义和视觉上相关的前沿位置。实验在逼真的家庭和真实环境中验证了SplatSearch在成功率和成功路径长度方面优于当前最先进方法。消融研究确认了SplatSearch的设计选择。
引用
@article{arxiv.2511.12972,
title = {SplatSearch: Instance Image Goal Navigation for Mobile Robots using 3D Gaussian Splatting and Diffusion Models},
author = {Siddarth Narasimhan and Matthew Lisondra and Haitong Wang and Goldie Nejat},
journal= {arXiv preprint arXiv:2511.12972},
year = {2025}
}
备注
Project Page: https://splat-search.github.io/