論文の概要: 2DGS-Planner: Rasterization-based Path Planning in 2D Gaussian Splatting Map

• arxiv url: http://arxiv.org/abs/2610.11752v1
• Date: Thu, 08 Oct 2026 11:41:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.985361
• Title: 2DGS-Planner: Rasterization-based Path Planning in 2D Gaussian Splatting Map
• Title（参考訳）: 2DGS-Planner:2次元ガウス図におけるラスタライズに基づく経路計画
• Abstract要約: 本研究では,2次元ガウススプレイティングマップから計画関連幾何を読み取る地中ロボットのための経路プランナを提案する。 実験では、テストベースラインと比較して、接続性の改善、より正確なクリアランス推定、より高い計画成功が示されている。
• 参考スコア（独自算出の注目度）: 11.290737278956298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian splatting provides an explicit and efficiently rasterizable scene representation for robot navigation. However, individual Gaussian primitives may not reliably represent obstacles as they are jointly optimized through alpha-composited rendering from a finite set of reconstruction views. We propose 2DGS-Planner, a path planner for ground robots that reads planning-relevant geometry from a 2D Gaussian splatting (2DGS) map through rasterization, rather than treating individual Gaussian primitives as obstacles. During offline roadmap construction, multi-view attribution converts rendered normal dispersion into structural scores for non-ground disks supported by the reconstruction views. These scores guide adaptive node sampling on the ground. Path-aligned orthographic queries validate candidate edges, while cylindrical queries estimate local clearance fields that are cached on the edges. During online planning, graph search initializes a route, and path refinement reuses the cached fields while accounting for the robot's dimensions and ground constraints. Experiments demonstrate improved roadmap connectivity, more accurate clearance estimation, and higher planning success compared with the tested baselines. These results support rasterization as an effective geometric query interface for planning directly on Gaussian maps. Code and data are available at https://2dgs-planner.github.io/
• Abstract（参考訳）: ガウススプラッティングは、ロボットナビゲーションのための明示的で効率よくラスタライズ可能なシーン表現を提供する。 しかし、ガウス的プリミティブは、有限の再構成ビューからのアルファ合成レンダリングによって共同最適化されるため、障害を確実に表現することができない。 本研究では,2次元ガウススプラッティング(2次元ガウススプラッティング)マップから2次元ガウスプリミティブを障害物として扱うのではなく,ラスタ化による2次元ガウスマップから計画関連幾何を読み取る2DGS-Plannerを提案する。 オフラインのロードマップ構築において、マルチビュー属性はレンダリングされた正規分散を再構成ビューによって支持される非基底ディスクの構造スコアに変換する。 これらのスコアは、地上での適応ノードサンプリングをガイドする。 経路整列正書法クエリは、候補エッジを検証し、円筒型クエリは、エッジにキャッシュされるローカルクリアランスフィールドを推定する。 オンラインプランニング中、グラフ検索はルートを初期化し、経路修正は、ロボットの寸法と地面の制約を考慮しつつ、キャッシュされたフィールドを再利用する。 実験では、テストされたベースラインと比較して、ロードマップの接続性の改善、より正確なクリアランス推定、より高い計画成功が示されている。 これらの結果はガウス写像を直接計画するための効果的な幾何学的クエリインタフェースとしてラスタライズをサポートする。 コードとデータはhttps://2dgs-planner.github.io/で公開されている。

関連論文リスト

• CubicSplat: Differentiable Vector Graphics via Error-Bounded Forward Relaxation [41.42805325196858]
  ベジエの最も近い点解法を、幾何誤差が$O(S-2)$で有界な一様ポリラインサロゲートに置き換える新しいタイプのベクトルグラフ解法であるCubeicSplatを導入する。 結果の静的な計算グラフは構成によってよく条件付き勾配を得るが、PSN由来の可視性メカニズムは補助正則化なしでプリミティブを創出する。
  論文  参考訳（メタデータ） (2026-08-21T07:21:08Z)
• InfiniSplat: Implicit Gaussian Decoding for Large-Baseline Monocular View Synthesis [49.87457834078904]
  InfiniSplatはフィードフォワードのシングルイメージ3DGSフレームワークで、ピクセル整列表現から表面整列表現へ移行する。 InfiniSplatは、単一イメージのフィードフォワードベースラインと比較して最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-08-03T16:17:39Z)
• GSMap: 2D Gaussians for Online HD Mapping [8.653416286011359]
  本稿では,学習可能な2次元表現により両パラダイムを統一する新しいフレームワークであるGSMapを提案する。 nuScenesとArgoverse2の実験では、ガウスに基づく表現が幾何学的および位相的学習を効果的に統一していることが示されている。
  論文  参考訳（メタデータ） (2026-05-10T15:57:07Z)
• Unified Linear Parametric Map Modeling and Perception-aware Trajectory Planning for Mobile Robotics [1.7495208770207367]
  本稿では,高次元空間にデータをマッピングする軽量な線形パラメトリックマップを提案する。 UAVでは,Euclidean Signed Distance Field (ESDF) マップを用いた。 UGVでは、モデルは地形を特徴づけ、クローズドフォーム勾配を提供し、オンラインプランニングによって大きな穴を回避できる。
  論文  参考訳（メタデータ） (2025-07-12T16:39:19Z)
• Revisiting Depth Representations for Feed-Forward 3D Gaussian Splatting [57.43483622778394]
  本稿では,事前学習した変圧器によって予測される点マップに基づく新しい正規化損失PM-Lossを紹介する。 改良された深度マップにより,様々なアーキテクチャやシーンのフィードフォワード3DGSを大幅に改善する。
  論文  参考訳（メタデータ） (2025-06-05T17:58:23Z)
• ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [112.40071212468843]
  3D Gaussian Splatting (3DGS)は多くの視覚タスクにおいて3D表現の事実上の方法となっている。 一般的なShapeNet, ModelNet, averseを用いて3DGSの大規模データセットを構築した。 本稿では,ガウスパラメータからの表現学習の独特な利点を浮き彫りにしたガウスMAEを紹介する。
  論文  参考訳（メタデータ） (2024-08-20T14:49:14Z)
• Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via GDPA Linearization [59.87663954467815]
  アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。 本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。 実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
  論文  参考訳（メタデータ） (2021-09-10T07:01:15Z)

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。