CollisionSplatting: Collision-Aware Motion Planning in 3DGS Scenes with Image-Conditioned Objectives and Adjustable Conservatism
作者: R. Khorrambakht, Joaquim Ortiz-Haro, Stephan Weiss, Ludovic Righetti
分类: cs.RO
发布日期: 2026-09-28
💡 一句话要点
提出CollisionSplatting以解决3D场景中的运动规划问题
🎯 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: 运动规划 视觉信息 3D高斯点云 碰撞检测 深度学习 机器人导航 GPU加速
📋 核心要点
- 现有的运动规划方法在整合视觉信息时面临挑战，几何规划器常常忽略视觉细节，而学习模型缺乏几何可解释性。
- 本文提出CollisionSplatting，一种基于概率的距离度量，能够在3D高斯点云场景中直接操作，结合图像条件奖励函数实现联合规划。
- 实验表明，CollisionSplatting在碰撞分类性能上与基线相当，同时在碰撞检查吞吐量和显存使用上有显著提升。
📝 摘要（中文）
在运动规划中，整合密集视觉信息仍然具有挑战性，因为几何规划器依赖于抽象的场景表示，忽略了视觉丰富性，而学习的视觉模型往往缺乏几何可解释性和计算效率。本文提出了CollisionSplatting，这是一种简单、模块化、基于概率的距离度量，具有可调节的保守性，直接在标准的3D高斯点云场景中操作。结合学习的图像条件奖励函数，该度量实现了几何与视觉规划的联合，通过统一碰撞感知成本与图像空间目标。我们将该度量集成到GPU加速的模型预测路径积分（MPPI）和快速探索随机树（RRT）规划器中，展示了与代表性基线相当或更好的碰撞分类性能，同时实现了显著更高的碰撞检查吞吐量和显著更低的显存使用。最后，我们在现实世界的视觉引导导航和操作任务中展示了该度量的有效性，突显了3D高斯点云作为丰富感知与实时运动规划之间的实用桥梁。
🔬 方法详解
问题定义：本文旨在解决在3D场景中进行运动规划时，如何有效整合视觉信息与几何信息的问题。现有方法往往在视觉细节与几何可解释性之间存在权衡，导致规划效率低下。
核心思路：论文提出的CollisionSplatting方法通过引入一种概率启发的距离度量，能够在标准3D高斯点云场景中直接操作，并结合图像条件的奖励函数，实现几何与视觉的联合规划。
技术框架：整体架构包括三个主要模块：1) 基于GPU加速的CollisionSplatting距离度量；2) 学习的图像条件奖励函数；3) 集成该度量的MPPI和RRT规划器。
关键创新：最重要的技术创新在于引入了一种可调节保守性的距离度量，使得碰撞感知成本与图像空间目标能够有效统一，从而提升了运动规划的效率和准确性。
关键设计：在设计中，关键参数包括距离度量的保守性调节参数，以及与图像条件奖励函数的结合方式，确保了在不同场景下的适应性和高效性。具体的损失函数和网络结构细节在论文中进行了详细描述。
🖼️ 关键图片
📊 实验亮点
实验结果显示，CollisionSplatting在碰撞分类性能上与基线方法相当或更优，同时在碰撞检查吞吐量上提升了显著的效率，显存使用降低了显著的比例，证明了其在实际应用中的有效性。
🎯 应用场景
该研究在机器人导航、自动驾驶、以及人机交互等领域具有广泛的应用潜力。通过有效整合视觉信息与运动规划，能够提升机器人在复杂环境中的自主决策能力，推动智能系统的实际应用与发展。
📄 摘要（原文）
Incorporating dense visual information into motion planning remains challenging, as geometric planners rely on abstracted scene representations that discard visual richness, while learned visual models often lack geometric interpretability and computational efficiency. This paper introduces CollisionSplatting, a simple, modular, GPU-accelerated, probability-inspired distance metric with tunable conservatism that operates directly on standard 3D Gaussian Splatting (3DGS) scenes. When combined with learned image-conditioned reward functions, this metric enables joint geometric and visual planning by unifying collision-aware costs with image-space objectives. We integrate the metric into GPU-accelerated Model Predictive Path Integral (MPPI) and Rapidly-Exploring Random Tree (RRT) planners, and show on-par or better collision-classification performance compared to representative baselines while achieving substantially higher collision-checking throughput and significantly lower VRAM usage. Finally, we demonstrate the effectiveness of our metric in real-world vision-guided navigation and manipulation tasks, highlighting 3DGS as a practical bridge between rich perception and real-time motion planning.