論文の概要: GOFusion: Real-Time Gaussian-Occupancy Submap Fusion for Fisher-Informed Autonomous Robot Navigation

• arxiv url: http://arxiv.org/abs/2610.25261v1
• Date: Sun, 18 Oct 2026 13:31:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 22:36:35.642661
• Title: GOFusion: Real-Time Gaussian-Occupancy Submap Fusion for Fisher-Informed Autonomous Robot Navigation
• Title（参考訳）: GOFusion:魚型自律ロボットナビゲーションのためのリアルタイムガウシアン・アクシデンシーサブマップフュージョン
• Abstract要約: GOFusionは自律型ロボットナビゲーションのためのリアルタイムビジュアルマッピングシステムである。 GOFusionは、ポーズ推定と視覚慣性SLAMで得られた局所占有マップから3Dガウス写像を構築する。 GOFusionを公開データセットや実世界のドローン飛行で評価する。
• 参考スコア（独自算出の注目度）: 22.51384645940048
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this letter, we present GOFusion, a real-time visual mapping system for autonomous robot navigation that anchors Gaussian primitives to local occupancy maps, providing both spatial awareness for path planning and high-fidelity appearance that enables information-driven robot navigation. GOFusion builds 3D Gaussian maps from pose estimates and local occupancy maps obtained via visual-inertial SLAM and enables pose corrections to maintain both geometric and visual consistency. Furthermore, it restricts the 3D Gaussian Splatting optimization to active submaps to bound GPU memory usage. Building on the appearance-rich Gaussian map, we introduce a rasterizer-integrated Fisher approximation that quantifies per-primitive sensitivity online, serving as an information-driven heuristic for Gaussian pruning and next-best-view planning. We evaluate GOFusion on public datasets and in real-world drone flights. It not only outperforms several baselines in mapping quality, but also achieves real-time, high-fidelity and uncertainty-aware mapping at scale. Finally, we demonstrate fully autonomous drone exploration for Gaussian map refinement using the proposed Fisher-informed heuristic. Code is available at https://github.com/Bennnoo/GOFusion. We provide a supplementary video demonstration at https://youtu.be/pLQKbxQvb6I.
• Abstract（参考訳）: 本稿では,自律型ロボットナビゲーションのためのリアルタイムビジュアルマッピングシステムであるGOFusionについて紹介する。これはガウシアンプリミティブを局所的占有マップに固定し,経路計画の空間的認識と情報駆動型ロボットナビゲーションを可能にする高忠実な外観を提供する。 GOFusionは、ポーズ推定と視覚慣性SLAMを用いて得られた局所占有マップから3次元ガウス写像を構築し、ポーズ補正により幾何学的および視覚的整合性を維持することができる。 さらに、3D Gaussian Splatting最適化をアクティブサブマップに制限し、GPUメモリ使用量を制限する。 外観に富んだガウシアンマップ上に構築されたラスタライザ積分フィッシャー近似は,ガウシアンプルーニングの情報駆動的ヒューリスティックとして機能し,次回のベクター・ビュー・プランニングを行う。 GOFusionを公開データセットや実世界のドローン飛行で評価する。 マッピング品質においていくつかのベースラインを上回るだけでなく、リアルタイム、高忠実、不確実性対応のマッピングを大規模に実現している。 最後に,提案したフィッシャーインフォームドヒューリスティックを用いたガウス地図改良のための完全自律型ドローン探査を実演する。 コードはhttps://github.com/Bennnoo/GOFusion.comで入手できる。 我々はhttps://youtu.be/pLQKbxQvb6Iで補足的なビデオデモを行います。

関連論文リスト

• GaussianMap: Learning Gaussian Representation for Multi-Sensor Online HD Map Construction [6.54359101227443]
  本稿では,周辺環境の適応的なガウス表現を学習するオンラインHDマップ構築フレームワークを提案する。 GustafMapは、カメラオンリーとカメラ-LiDAR融合設定の両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-06-30T06:08:42Z)
• 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)
• GaussianFusion: Gaussian-Based Multi-Sensor Fusion for End-to-End Autonomous Driving [10.79840172756777]
  本稿では,エンドツーエンド自動運転のためのガウス式マルチセンサフュージョンフレームワークを提案する。 本手法では,様々なセンサからの情報を集約するために,直観的かつコンパクトなガウス表現を中間キャリアとして利用する。 明示的な特徴は交通シーンに関する豊かな意味と空間情報を捉え、暗黙的な特徴は軌道計画のための補完的な手がかりを提供する。
  論文  参考訳（メタデータ） (2025-05-27T01:43:02Z)
• GSFusion: Online RGB-D Mapping Where Gaussian Splatting Meets TSDF Fusion [12.964675001994124]
  従来の融合アルゴリズムは3次元シーンの空間構造を保存する。 ヴィジュアライゼーションの面では現実主義を欠いていることが多い。 GSFusionはレンダリング品質を犠牲にすることなく計算効率を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-08-22T18:32:50Z)
• Splat-SLAM: Globally Optimized RGB-only SLAM with 3D Gaussians [87.48403838439391]
  3D Splattingは、RGBのみの高密度SLAMの幾何学と外観の強力な表現として登場した。 本稿では,高密度な3次元ガウス写像表現を持つRGBのみのSLAMシステムを提案する。 Replica、TUM-RGBD、ScanNetのデータセットに対する実験は、グローバルに最適化された3Dガウスの有効性を示している。
  論文  参考訳（メタデータ） (2024-05-26T12:26:54Z)
• 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)
• 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。