ReMoSPLAT: Reactive Mobile Manipulation Control on a Gaussian Splat

📄 arXiv: 2512.09656v1 📥 PDF

作者: Nicolas Marticorena, Tobias Fischer, Niko Suenderhauf

分类: cs.RO

发布日期: 2025-12-10

备注: 9 pages, 5 figures

💡 一句话要点

ReMoSPLAT：基于高斯溅射的移动操作机器人反应式控制

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱五：交互与反应 (Interaction & Reaction)

关键词: 移动操作机器人 反应式控制 高斯溅射 避障 二次规划

📋 核心要点

  1. 移动操作机器人的反应式控制能够协调底座和手臂的运动，但如何准确表示环境以避障是一个挑战。
  2. ReMoSPLAT利用高斯溅射表示环境，通过二次规划公式进行反应式控制，实现避障和末端执行器姿态控制。
  3. 实验表明，ReMoSPLAT在合成和真实场景中表现出与依赖完美ground-truth信息的控制器相当的性能。

📝 摘要（中文）

本文提出ReMoSPLAT，一种基于二次规划的移动操作机器人反应式控制器，利用高斯溅射表示进行避障。通过在优化公式中集成额外的约束和代价，移动操作平台能够在杂乱场景中到达目标末端执行器姿态，同时避开障碍物。我们研究了两种有效计算机器人-障碍物距离的方法的权衡，比较了一种纯几何方法和一种基于栅格化的方法。在合成和真实世界扫描的模拟实验表明了该方法的可行性，结果表明该方法实现了与依赖完美ground-truth信息的控制器相当的性能。

🔬 方法详解

问题定义：移动操作机器人需要在复杂环境中安全地到达目标姿态，同时协调底座和手臂的运动。现有方法要么依赖于代价高昂的全局规划，要么缺乏对环境的精确表示，导致避障效果不佳。

核心思路：利用高斯溅射（Gaussian Splatting）作为环境的精确表示，并将其融入到反应式控制器的二次规划框架中。高斯溅射能够高效地表示复杂场景，并提供梯度信息，便于优化。通过在优化目标中加入避障约束，使得机器人能够在到达目标姿态的同时避开障碍物。

技术框架：ReMoSPLAT的整体框架包括以下几个主要模块：1) 环境表示模块：使用高斯溅射表示环境，从传感器数据中构建高斯溅射模型。2) 碰撞检测模块：计算机器人与高斯溅射表示的障碍物之间的距离。论文比较了几何方法和栅格化方法。3) 优化模块：基于二次规划，求解机器人的控制指令，目标是到达目标姿态，同时满足避障约束。4) 控制执行模块：将优化得到的控制指令发送给机器人执行。

关键创新：ReMoSPLAT的关键创新在于将高斯溅射表示与反应式控制相结合，实现了一种高效且精确的移动操作机器人控制方法。与传统的基于体素或点云的表示方法相比，高斯溅射能够更紧凑地表示环境，并提供梯度信息，从而提高了控制器的性能。

关键设计：论文比较了两种计算机器人-障碍物距离的方法：一种是纯几何方法，直接计算机器人与高斯溅射之间的距离；另一种是基于栅格化的方法，将高斯溅射栅格化，然后计算机器人与栅格地图之间的距离。优化目标函数包含末端执行器姿态误差项和避障代价项。避障代价项的设计需要平衡避障效果和控制器的平滑性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，ReMoSPLAT在合成和真实场景中都取得了良好的避障效果，并且性能与依赖完美ground-truth信息的控制器相当。论文比较了几何方法和栅格化方法在计算机器人-障碍物距离方面的性能差异，发现两种方法各有优劣，需要根据具体场景进行选择。具体性能数据未知，但论文强调了与ground-truth方法的可比性。

🎯 应用场景

ReMoSPLAT可应用于各种需要移动操作机器人的场景，如仓库自动化、家庭服务机器人、灾难救援等。该方法能够使机器人在复杂环境中安全高效地完成任务，提高工作效率和安全性。未来，可以进一步研究如何将ReMoSPLAT扩展到多机器人协作场景，以及如何利用高斯溅射进行环境的动态更新。

📄 摘要（原文）

Reactive control can gracefully coordinate the motion of the base and the arm of a mobile manipulator. However, incorporating an accurate representation of the environment to avoid obstacles without involving costly planning remains a challenge. In this work, we present ReMoSPLAT, a reactive controller based on a quadratic program formulation for mobile manipulation that leverages a Gaussian Splat representation for collision avoidance. By integrating additional constraints and costs into the optimisation formulation, a mobile manipulator platform can reach its intended end effector pose while avoiding obstacles, even in cluttered scenes. We investigate the trade-offs of two methods for efficiently calculating robot-obstacle distances, comparing a purely geometric approach with a rasterisation-based approach. Our experiments in simulation on both synthetic and real-world scans demonstrate the feasibility of our method, showing that the proposed approach achieves performance comparable to controllers that rely on perfect ground-truth information.