論文の概要: GaussLite: Online Task-Conditioned 3D Gaussian Splatting for Real-Time Robotic Mapping

• arxiv url: http://arxiv.org/abs/2606.30809v1
• Date: Mon, 29 Jun 2026 18:34:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:18.969314
• Title: GaussLite: Online Task-Conditioned 3D Gaussian Splatting for Real-Time Robotic Mapping
• Title（参考訳）: GaussLite: リアルタイムロボットマッピングのためのオンラインタスク記述型3Dガウススプレイティング
• Authors: Annika Thomas, Mason Peterson, Jonathan P. How,
• Abstract要約: GaussLiteはタスク駆動の3DGSマッピングシステムで、自然言語のタスク仕様に表現密度を規定する。 本稿では,2つのタスク特化エージェントのマップを1つの共有マップに,アクティブな最適化数に対するボクセルごとの投票によってリアルタイムに融合し,+3.42dBの連結よりも優れることを示す。
• 参考スコア（独自算出の注目度）: 15.528351948742655
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing 3D Gaussian Splatting (3DGS) systems distribute representation capacity uniformly across a scene, ignoring the fact that many downstream robotic tasks engage only a fraction of the reconstructed geometry. This causes valuable onboard compute to be allocated towards optimizing irrelevant parts of the scene, either limiting online capacity or under-optimizing the most relevant parts of the scene. We introduce GaussLite, a task-driven 3DGS mapping system that conditions its representation density on a natural-language task specification. Given a posed RGB-D stream and a task such as "prepare to pick up the object on the desk," GaussLite uses a one-shot LLM parser to extract target and anchor objects, which are grounded per-frame by an open-vocabulary detector and segmented to produce per-pixel relevance masks in real time. The mapper allocates seeding density, gradient flow and scaling by task relevance. At matched Gaussian budget and real-time mapping at 4 Hz on resource-constrained hardware, GaussLite outperforms baselines on ROI PSNR on the Replica Dataset by an average +2.72 dB and on a real-hardware demonstration in indoor and outdoor settings by +2.23 dB. We further show that two task-specialized agents' maps can be fused into a single shared map via per-voxel voting on active-optimization counts in real time, outperforming concatenation by +3.42 dB while only sharing an average 7.08% of the map.
• Abstract（参考訳）: 既存の3Dガウススプレイティング(3DGS)システムは、多くの下流ロボットタスクが再構成された幾何学のごく一部にしか関与していないという事実を無視して、シーン全体に表現能力を均一に分配する。 これにより、オンボード計算は、シーンの無関係な部分を最適化するために割り当てられ、オンライン容量を制限するか、シーンの最も関連性の高い部分を過度に最適化する。 本稿では,タスク駆動型3DGSマッピングシステムであるGaussLiteについて紹介する。 提案されたRGB-Dストリームと"机上のオブジェクトを拾う準備"のようなタスクが与えられた後、GaussLiteは1ショットのLCMパーサを使用してターゲットとアンカーオブジェクトを抽出する。 マッパーは、種子密度、勾配流、タスク関連性によるスケーリングを割り当てる。 ガウスライトはリソース制約されたハードウェア上での4Hzのガウス予算とリアルタイムマッピングで、レプリカデータセット上のROI PSNRのベースラインを平均+2.72dB、屋内および屋外における実ハードウエアでの+2.23dBで上回った。 さらに,2つのタスク特化エージェントの地図を1つの共有マップに,アクティブな最適化数に対するボクセルごとの投票でリアルタイムに融合させることで,平均7.08%の地図を共有しながら,+3.42dBの連結性を上回る結果が得られることを示した。

関連論文リスト

• LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering [75.67501939005119]
  メモリ制約デバイス上での3次元ガウススプラッティングのための新しいレベル・オブ・ディーテール(LOD)法を提案する。 カメラ距離に基づいてガウスの最適部分集合を反復的に選択する。 本手法は,屋外(階層型3DGS)と屋内(Zip-NeRF)の両方で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-05-29T06:50:57Z)
• SLAG: Scalable Language-Augmented Gaussian Splatting [19.643023058839603]
  言語拡張されたシーン表現は、検索・救助、スマートシティ、鉱業といった大規模ロボット工学の応用に大きな期待を抱いている。 これらのシナリオの多くは時間に敏感で、高速なシーンエンコーディングを必要とする一方で、データ集約型でスケーラブルなソリューションを必要とする。 言語拡張されたガウススプラッティングのためのマルチGPUフレームワークであるSLAGを導入し、大きなシーンの埋め込みのスピードとスケーラビリティを向上させる。
  論文  参考訳（メタデータ） (2025-05-12T23:32:24Z)
• Occam's LGS: An Efficient Approach for Language Gaussian Splatting [57.00354758206751]
  言語3Dガウススプラッティングのための複雑なパイプラインは、単純に不要であることを示す。 我々は,オッカムのカミソリを手作業に適用し,高効率な重み付き多視点特徴集約技術を実現する。
  論文  参考訳（メタデータ） (2024-12-02T18:50:37Z)
• SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM [48.190398577764284]
  SplaTAMは、単一のRGB-Dカメラからの高忠実度再構成を可能にするアプローチである。 基礎となるガウス表現に合わせて、単純なオンライントラッキングとマッピングシステムを採用している。 実験により,SplaTAMはカメラポーズ推定,マップ構築,既存手法に対する新規ビュー合成において最大2倍の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2023-12-04T18:53:24Z)

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。