論文の概要: CollisionSplatting: Collision-Aware Motion Planning in 3DGS Scenes with Image-Conditioned Objectives and Adjustable Conservatism

• arxiv url: http://arxiv.org/abs/2609.35619v1
• Date: Mon, 28 Sep 2026 16:57:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 20:18:43.883431
• Title: CollisionSplatting: Collision-Aware Motion Planning in 3DGS Scenes with Image-Conditioned Objectives and Adjustable Conservatism
• Title（参考訳）: 衝突スプレイティング:3次元GSシーンにおける衝突認識運動計画と画像共有目的と調整可能な保守性
• Abstract要約: 本稿では、可変保守性を持つ単純でモジュラーで確率にインスパイアされた距離メートル法であるCollisionSplattingを紹介する。 代表的なベースラインと比較して,衝突分類性能が良好か良好かを示す。 実世界の視覚誘導ナビゲーションおよび操作タスクにおけるメトリックの有効性を実証する。
• 参考スコア（独自算出の注目度）: 7.549519670000291
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Incorporating dense visual information into motion planning remains challenging, as geometric planners rely on abstracted scene representations that discard visual richness, while learned visual models often lack geometric interpretability and computational efficiency. This paper introduces CollisionSplatting, a simple, modular, GPU-accelerated, probability-inspired distance metric with tunable conservatism that operates directly on standard 3D Gaussian Splatting (3DGS) scenes. When combined with learned image-conditioned reward functions, this metric enables joint geometric and visual planning by unifying collision-aware costs with image-space objectives. We integrate the metric into GPU-accelerated Model Predictive Path Integral (MPPI) and Rapidly-Exploring Random Tree (RRT) planners, and show on-par or better collision-classification performance compared to representative baselines while achieving substantially higher collision-checking throughput and significantly lower VRAM usage. Finally, we demonstrate the effectiveness of our metric in real-world vision-guided navigation and manipulation tasks, highlighting 3DGS as a practical bridge between rich perception and real-time motion planning.
• Abstract（参考訳）: 幾何学的プランナーは視覚豊かさを捨てる抽象的なシーン表現に依存しているのに対し、学習された視覚モデルは幾何学的解釈可能性や計算効率に欠ける。 本稿では,通常の3Dガウス・スティング(3DGS)シーンで直接動作する可変保守性を備えた,シンプルでモジュール化されたGPUアクセラレーション,確率インスパイアされた距離メトリックであるCollisionSplattingを紹介する。 学習した画像条件の報酬関数と組み合わせることで、衝突認識コストと画像空間の目的を統一することにより、共同幾何学的および視覚的計画を可能にする。 我々は,GPU加速モデル予測パス積分(MPPI)と高速探索ランダムツリー(RRT)プランナに統合し,衝突チェックスループットを著しく向上し,VRAM使用率を大幅に低下させながら,代表的なベースラインと比較して,衝突分類性能が良好であることを示す。 最後に、実世界の視覚誘導ナビゲーションと操作タスクにおけるメトリックの有効性を実証し、3DGSをリッチな知覚とリアルタイムなモーションプランニングの実践的な橋渡しとして強調する。

関連論文リスト

• Stipple: Real-Time Incremental Gaussian Splatting with Visual-Inertial Tracking [45.88028371034407]
  本稿では,効率的な視覚慣性追跡システムを活用することで,リアルタイムに追跡と再構築を行う新しい手法を提案する。 3DGSの重い前処理とトレーニングのステップの多くは、より効率的なインクリメンタルトレーニング戦略に置き換えられることが示されています。
  論文  参考訳（メタデータ） (2026-08-02T02:17:05Z)
• OP3DSG: Open-Vocabulary Part-Aware 3D Scene Graph Generation for Real-World Environments [4.039245878626346]
  3Dシーングラフ(3DSG)は、3D環境のコンパクトで構造化された抽象化を提供する。 オープン語彙を意識した3DSG生成フレームワークOP3DSGを提案する。 OP3DSGは、オブジェクト部分の知識誘導検出とパート認識の3D融合を統合して、小規模でインタラクション関連のコンポーネントを保存する。
  論文  参考訳（メタデータ） (2026-06-29T05:05:54Z)
• A Principled Approach for Creating High-fidelity Synthetic Demonstrations for Imitation Learning [1.5469452301122175]
  3D Gaussian Splatting (3DGS)は、単一の専門家軌道と短いマルチビュースキャンから視覚的にリアルなデモ生成を可能にした。 既存の3DGSベースの合成パイプラインは通常、サンプリングベースのプランナーや軌道最適化を使って新しい動きを生成する。 本稿では,専門家の動作構造を明示的に保ちながら,多様なタスクのデモンストレーションを合成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-02T04:09:07Z)
• ArtiSG: Functional 3D Scene Graph Construction via Human-demonstrated Articulated Objects Manipulation [51.54082859171464]
  ArtiSGは、人間のデモを構造化されたロボットメモリにエンコードすることで、機能的な3Dシーングラフを構築するフレームワークである。 本研究では,ArtiSGが機能的要素リコールおよび調音推定精度において,ベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-12-31T13:10:40Z)
• ParaMaP: Parallel Mapping and Collision-free Motion Planning for Reactive Robot Manipulation [17.260700135265267]
  未知の環境でのロボット操作には、リアルタイムおよび衝突のないモーションプランニングが依然として困難である。 本研究では,Euclidean Distance Transform(EDT)に基づく環境表現をサンプリングベースモデル予測制御(SMPC)プランナと密に統合する並列マッピングと動作計画フレームワークを提案する。 提案手法の有効性は, 7-DoFロボットマニピュレータを用いた広範囲なシミュレーションと実世界の実験により検証した。
  論文  参考訳（メタデータ） (2025-12-27T12:24:10Z)
• SplArt: Articulation Estimation and Part-Level Reconstruction with 3D Gaussian Splatting [15.098827709119087]
  SplArtは,2組のRGB画像から調音対象を再構成し,キネマティクスを推定する,自己教師型カテゴリー認識フレームワークである。 SplArtは幾何学的自己スーパービジョンを利用して、3Dアノテーションやカテゴリ固有の事前処理を必要とせずに、困難なシナリオに効果的に対処する。 確立された、新しく提案されたベンチマークの評価と、ハンドヘルドのRGBカメラを用いた実世界のシナリオへの応用は、SplArtの最先端のパフォーマンスと実世界の実用性を実証している。
  論文  参考訳（メタデータ） (2025-06-04T05:53:16Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• HUGS: Holistic Urban 3D Scene Understanding via Gaussian Splatting [53.6394928681237]
  RGB画像に基づく都市景観の全体的理解は、難しいが重要な問題である。 我々の主な考え方は、静的な3Dガウスと動的なガウスの組合せを用いた幾何学、外観、意味論、運動の合同最適化である。 提案手法は,2次元および3次元のセマンティック情報を高精度に生成し,新たな視点をリアルタイムに描画する機能を提供する。
  論文  参考訳（メタデータ） (2024-03-19T13:39:05Z)
• Scene as Occupancy [66.43673774733307]
  OccNetは、カスケードと時間ボクセルデコーダを備えたビジョン中心のパイプラインで、3D占有を再構築する。 nuScenes上に構築された最初の高密度3D占有率ベンチマークであるOpenOccを提案する。
  論文  参考訳（メタデータ） (2023-06-05T13:01:38Z)

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。