論文の概要: Splatblox: Traversability-Aware Gaussian Splatting for Outdoor Robot Navigation
- arxiv url: http://arxiv.org/abs/2511.18525v1
- Date: Sun, 23 Nov 2025 16:35:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 15:01:35.380435
- Title: Splatblox: Traversability-Aware Gaussian Splatting for Outdoor Robot Navigation
- Title（参考訳）: Splatblox:アウトドアロボットナビゲーションのための可逆性に配慮したガウススプラッティング
- Authors: Samarth Chopra, Jing Liang, Gershom Seneviratne, Yonghan Lee, Jaehoon Choi, Jianyu An, Stephen Cheng, Dinesh Manocha,
- Abstract要約: Splatbloxは、高密度の植生、不規則な障害物、複雑な地形を有する屋外環境における自律ナビゲーションのためのリアルタイムシステムである。
提案手法は,Gaussian Splatting を用いた分割RGB画像とLiDAR点雲を融合して,可逆性を考慮したユークリッド符号距離場を構築する。
植生の多いシナリオでのフィールドトライアルでは、50%以上の成功率、40%の凍結事故、5%の短いパス、最大13%の目標達成時間で最先端の手法を上回ります。
- 参考スコア（独自算出の注目度）: 44.62453251069123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Splatblox, a real-time system for autonomous navigation in outdoor environments with dense vegetation, irregular obstacles, and complex terrain. Our method fuses segmented RGB images and LiDAR point clouds using Gaussian Splatting to construct a traversability-aware Euclidean Signed Distance Field (ESDF) that jointly encodes geometry and semantics. Updated online, this field enables semantic reasoning to distinguish traversable vegetation (e.g., tall grass) from rigid obstacles (e.g., trees), while LiDAR ensures 360-degree geometric coverage for extended planning horizons. We validate Splatblox on a quadruped robot and demonstrate transfer to a wheeled platform. In field trials across vegetation-rich scenarios, it outperforms state-of-the-art methods with over 50% higher success rate, 40% fewer freezing incidents, 5% shorter paths, and up to 13% faster time to goal, while supporting long-range missions up to 100 meters. Experiment videos and more details can be found on our project page: https://splatblox.github.io
- Abstract（参考訳）: Splatbloxは、高密度の植生、不規則な障害物、複雑な地形を有する屋外環境における自律ナビゲーションのためのリアルタイムシステムである。
本手法は,Gaussian Splatting を用いて分割した RGB 画像と LiDAR 点群を融合して,幾何学的・意味論的にエンコードした,可逆性を考慮したユークリッド符号距離場 (ESDF) を構築する。
オンラインで更新されたこの分野は、横断可能な植生(例えば、高草)と堅い障害物(例えば、木)を区別する意味論的推論を可能にし、LiDARは、拡張計画地平線に対して360度の幾何学的カバレッジを保証する。
四足歩行ロボット上でSplatbloxを検証し,車輪付きプラットフォームへの移動を実証する。
植生の多いシナリオでのフィールドトライアルでは、50%以上の成功率、40%の凍結事故、5%の経路、最大13%の目標達成時間で最先端の手法を上回り、長距離ミッションを最大100mまで支援している。
実験ビデオや詳細については、プロジェクトのページを参照してください。
関連論文リスト
- GaussGym: An open-source real-to-sim framework for learning locomotion from pixels [78.05453137978132]
本稿では,3次元ガウススプラッティングをベクトル化物理シミュレータのドロップインとして統合した光現実的ロボットシミュレーションを提案する。
これにより、コンシューマGPUで毎秒10万ステップを超える、前例のないスピードを実現している。
また,シミュレーティブ・トゥ・リアル・ロボティクス・セッティングにおける適用性を実証した。
論文 参考訳（メタデータ） (2025-10-17T06:34:52Z) - TartanGround: A Large-Scale Dataset for Ground Robot Perception and Navigation [19.488886693695946]
TartanGroundは、地上ロボットの認識と自律性を向上する大規模なマルチモーダルデータセットである。
我々は70の環境にまたがって910の軌道を集め、150万のサンプルを得た。
TartanGroundは、幅広い学習ベースのタスクのトレーニングと評価のためのテストベッドとして機能する。
論文 参考訳（メタデータ） (2025-05-15T20:35:06Z) - RoadRunner M&M -- Learning Multi-range Multi-resolution Traversability Maps for Autonomous Off-road Navigation [12.835198004089385]
RoadRunner (M&M) はエンドツーエンドの学習ベースのフレームワークで、さまざまな範囲のトレーバービリティと標高マップを直接予測する。
RoadRunner M&Mは、標高マッピングで最大50%の大幅な改善と、RoadRunner上でのトラバーサビリティ推定で30%の大幅な改善を実現している。
論文 参考訳（メタデータ） (2024-09-17T07:21:03Z) - GaussNav: Gaussian Splatting for Visual Navigation [92.13664084464514]
インスタンスイメージゴールナビゲーション(IIN)では、エージェントが探索されていない環境で、目標画像に描かれた特定のオブジェクトを見つける必要がある。
視覚ナビゲーションのためのガウススティング(GaussNav)であるIINの新しいフレームワークを提案し、3次元ガウススティング(DGS)に基づく新しい地図表現を構築した。
当社のGaussNavフレームワークは,Habitat-Matterport 3D(HM3D)データセットにおいて,SPL(Path Length)によるSuccessの重み付けを0.347から0.578に増加させ,大幅なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2024-03-18T09:56:48Z) - VAPOR: Legged Robot Navigation in Outdoor Vegetation Using Offline
Reinforcement Learning [53.13393315664145]
本研究では,非構造で密集した屋外環境における自律脚ロボットナビゲーションのための新しい手法であるVAPORを提案する。
本手法は,アクター・クリティカル・ネットワークと実際の屋外植生で収集された任意のデータを用いて,新しいRLポリシーを訓練する。
VAPORの動作は成功率を最大40%向上させ、平均電流消費量を最大2.9%削減し、正規化軌道長を最大11.2%削減する。
論文 参考訳（メタデータ） (2023-09-14T16:21:27Z) - How Does It Feel? Self-Supervised Costmap Learning for Off-Road Vehicle
Traversability [7.305104984234086]
オフロード環境における地形の移動性の推定には、ロボットとこれらの地形の間の複雑な相互作用のダイナミクスを推論する必要がある。
本研究では,外外環境情報と固有地形相互作用フィードバックを組み合わせることで,トラバーサビリティのコストマップを予測する手法を提案する。
論文 参考訳（メタデータ） (2022-09-22T05:18:35Z) - Complex Terrain Navigation via Model Error Prediction [5.937673383513695]
私たちは、オンラインのアプローチでトレーニングを行い、その結果、シミュレーションと現実世界にまたがる、50分間のトレーニングデータを使用して、ナビゲーションポリシーを成功させました。
学習に基づくナビゲーションシステムは,Clearpath Huskyが様々な地形を航行する様子を実演する,効率的な短期プランナーである。
論文 参考訳（メタデータ） (2021-11-18T15:55:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。