Perception-Integrated Safety Critical Control via Analytic Collision Cone Barrier Functions on 3D Gaussian Splatting
作者: Dario Tscholl, Yashwanth Nakka, Brian Gunter
分类: cs.RO
发布日期: 2025-09-17
备注: Preprint for IEEE L-CSS/ACC
💡 一句话要点
提出基于分析碰撞锥的安全控制方法以解决机器人避障问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 碰撞检测 控制障碍函数 三维高斯点 机器人避障 实时导航 解析几何 二次规划
📋 核心要点
- 现有的基于距离的控制障碍函数在障碍物接近时才会反应，导致避障反应不够及时。
- 本文提出了一种新的碰撞锥控制障碍函数，能够主动激活，从而提前进行路径调整。
- 实验结果显示，该方法在大规模场景中规划时间减少三倍，且轨迹抖动显著降低，安全性保持不变。
📝 摘要（中文）
本文提出了一种基于感知驱动的安全过滤器，将每个三维高斯点（3DGS）转换为封闭形式的前向碰撞锥，从而在二次规划（QP）中嵌入一阶控制障碍函数（CBF）。通过利用高斯点的解析几何特性，该方法提供了连续且计算高效的碰撞约束表示。与基于距离的CBF不同，该碰撞锥CBF能够主动激活，使机器人能够更早地调整路径，从而以更低的计算成本实现更平滑和安全的避障操作。实验验证表明，该方法在一个包含约17万个高斯点的大型合成场景中，将规划时间缩短了三倍，并显著降低了轨迹的抖动，同时保持相同的安全水平。该方法完全基于解析，不需要高阶CBF扩展，并通过原则性的闵可夫斯基和膨胀自然推广到具有物理尺寸的机器人。
🔬 方法详解
问题定义：本文旨在解决机器人在复杂环境中避障时的安全控制问题。现有方法多依赖距离触发的控制障碍函数，导致反应滞后，影响避障效果。
核心思路：提出了一种基于三维高斯点的碰撞锥控制障碍函数，利用其解析几何特性，提供连续的碰撞约束表示，能够主动激活，提前进行路径调整。
技术框架：整体架构包括感知模块、碰撞锥生成模块和控制模块。感知模块负责获取环境信息，碰撞锥生成模块将3DGS转换为碰撞锥，控制模块则基于CBF进行路径规划。
关键创新：最重要的创新在于提出了一种解析形式的碰撞锥CBF，能够在不依赖高阶CBF扩展的情况下，实现更高效的避障控制。这与传统方法的本质区别在于其主动性和计算效率。
关键设计：该方法的关键设计包括碰撞锥的数学表示、二次规划的求解过程，以及如何通过闵可夫斯基和膨胀处理具有物理尺寸的机器人。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法在处理包含约17万个高斯点的合成场景时，规划时间减少了三倍，轨迹抖动显著降低，且安全性保持在与最先进的3DGS规划器相同的水平，展示了其优越的性能。
🎯 应用场景
该研究具有广泛的应用潜力，尤其在复杂和动态环境中的实时导航，如空间机器人和卫星系统。通过提高避障的安全性和效率，该方法能够显著提升机器人在极端环境中的操作能力，具有重要的实际价值和未来影响。
📄 摘要（原文）
We present a perception-driven safety filter that converts each 3D Gaussian Splat (3DGS) into a closed-form forward collision cone, which in turn yields a first-order control barrier function (CBF) embedded within a quadratic program (QP). By exploiting the analytic geometry of splats, our formulation provides a continuous, closed-form representation of collision constraints that is both simple and computationally efficient. Unlike distance-based CBFs, which tend to activate reactively only when an obstacle is already close, our collision-cone CBF activates proactively, allowing the robot to adjust earlier and thereby produce smoother and safer avoidance maneuvers at lower computational cost. We validate the method on a large synthetic scene with approximately 170k splats, where our filter reduces planning time by a factor of 3 and significantly decreased trajectory jerk compared to a state-of-the-art 3DGS planner, while maintaining the same level of safety. The approach is entirely analytic, requires no high-order CBF extensions (HOCBFs), and generalizes naturally to robots with physical extent through a principled Minkowski-sum inflation of the splats. These properties make the method broadly applicable to real-time navigation in cluttered, perception-derived extreme environments, including space robotics and satellite systems.