AirSplan: Risk-Aware Motion Planning for Quadrotors in Cluttered 3D Gaussian Splats
作者: Seth Isaacson, William Hong, Katherine A. Skinner, Ram Vasudevan
分类: cs.RO
发布日期: 2026-09-18
备注: To appear in the proceedings of IROS 2026
💡 一句话要点
提出AirSplan以解决复杂环境中四旋翼的安全运动规划问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 四旋翼无人机 运动规划 高保真环境表示 3D高斯点云 碰撞约束 可达性分析 微分平坦性
📋 核心要点
- 现有方法在复杂环境中难以实现高保真障碍物表示，导致碰撞风险增加。
- AirSplan通过归一化的3D高斯点云表示和基于可达性的运动规划方法，解决了环境表示和路径规划的双重挑战。
- 实验结果显示，AirSplan在81.2%的测试案例中成功找到路径，相较于基线方法有显著提升。
📝 摘要（中文）
四旋翼无人机在农业、基础设施检查和维护等应用中越来越普遍。在这些应用中，机器人必须在复杂的场景几何中导航，同时保持严格的无碰撞状态。与地面领域不同，空中车辆即使是微小的碰撞也可能导致机器人失控。为此，环境必须以足够的精度表示复杂结构，即使没有真实障碍数据可用。同时，运动规划器必须利用这种表示来确定无碰撞路径。本文提出的AirSplan系统通过采用归一化的3D高斯点云表示高保真场景几何，并应用基于可达性的运动规划方法，利用四旋翼的微分平坦性计算连续时间的碰撞约束，从而紧密地过度近似机器人的占用情况。实验表明，AirSplan在81.2%的复杂测试案例中成功找到路径，显著优于最近基线方法的51.2%。
🔬 方法详解
问题定义：本文旨在解决四旋翼无人机在复杂环境中安全运动规划的问题。现有方法在环境表示和路径规划方面存在不足，无法有效避免碰撞风险。
核心思路：AirSplan的核心思路是结合高保真环境表示和基于可达性的运动规划，利用四旋翼的微分平坦性来计算碰撞约束，从而确保路径的安全性。
技术框架：AirSplan的整体架构包括两个主要模块：首先是3D高斯点云表示模块，用于高保真环境建模；其次是运动规划模块，利用可达性分析和微分平坦性计算碰撞约束。
关键创新：AirSplan的创新点在于采用归一化的3D高斯点云表示，能够在缺乏真实障碍数据的情况下，准确表示复杂环境，并通过微分平坦性实现高效的碰撞约束计算。
关键设计：在设计中，关键参数包括高斯点云的归一化处理和运动规划中的碰撞约束计算方法，确保了路径规划的实时性和安全性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，AirSplan在81.2%的复杂测试案例中成功找到路径，显著优于基线方法的51.2%。这一提升展示了该方法在复杂环境中有效避免碰撞的能力，具有重要的实际应用价值。
🎯 应用场景
该研究的潜在应用领域包括无人机在农业监测、基础设施检查、灾后评估等场景中的自主导航。通过提高四旋翼在复杂环境中的安全性，AirSplan能够推动无人机技术在实际应用中的广泛采用，提升工作效率和安全性。
📄 摘要（原文）
Quadrotors are increasingly deployed in applications such as agriculture, infrastructure inspection, and maintenance. In each of these applications, the robot must navigate complex scene geometry while remaining strictly collision-free. Unlike in ground domains, even minor collisions for aerial vehicles can result in the loss of the robot. This safety requirement induces a pair of technical challenges. First, the environment must be represented with sufficient fidelity to encode complex structure, even when no ground-truth obstacle data is available. Second, a motion planner must leverage this representation to determine a collision-free path to the goal. This paper proposes a system that addresses these complementary challenges. The proposed method, AirSplan, adopts a normalized variant of 3D Gaussian Splatting that encodes high-fidelity scene geometry. It then applies a novel reachability-based motion planner that leverages the differential flatness of quadrotors to compute continuous-time collision constraints that tightly overapproximate the robot's occupancy. Experiments demonstrate that AirSplan successfully finds a path in 81.2% of challenging test cases, a significant improvement over the nearest baseline method's 51.2%.