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机械臂反应式控制

🎯 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: 移动机械臂 反应式控制 高斯溅射 二次规划 避障

📋 核心要点

  1. 移动机械臂的反应式控制能够协调底座和手臂的运动，但缺乏精确的环境表示进行避障，且避免复杂的规划。
  2. ReMoSPLAT利用高斯溅射表示环境，通过二次规划构建反应式控制器，并加入约束和代价，实现避障和末端执行器姿态控制。
  3. 实验对比了几何方法和栅格化方法计算机器人-障碍物距离，结果表明该方法在性能上可与依赖完美真值信息的控制器相媲美。

📝 摘要（中文）

本文提出ReMoSPLAT，一种基于二次规划的移动机械臂反应式控制器，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，移动机械臂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。论文研究了两种高效计算机器人-障碍物距离的方法的权衡，比较了纯几何方法和基于栅格化的方法。在合成和真实世界扫描的模拟实验表明，该方法的可行性，并实现了与依赖完美真值信息的控制器相当的性能。

🔬 方法详解

问题定义：移动机械臂需要在复杂环境中安全高效地到达目标末端执行器姿态，现有的反应式控制方法难以兼顾精确的环境表示和避免高代价的路径规划。缺乏精确的环境表示导致避障能力不足，而复杂的规划算法则难以满足实时性要求。

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框架中。高斯溅射能够提供场景的连续、可微表示，便于计算机器人与环境之间的距离和梯度信息，从而实现高效的避障。通过二次规划（Quadratic Programming）构建控制器，能够有效地处理各种约束和代价函数，实现末端执行器的精确姿态控制。

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（如RGB-D图像）中构建高斯溅射模型。2) 距离计算模块：计算机器人与高斯溅射表示的环境之间的距离，论文比较了几何方法和栅格化方法。3) 二次规划控制器：基于二次规划构建反应式控制器，目标是最小化末端执行器姿态误差，同时满足避障约束和运动平滑性约束。4) 运动执行模块：将二次规划的输出转化为机器人的运动指令，控制底座和手臂的运动。

关键创新：该方法将高斯溅射引入到移动机械臂的反应式控制中，实现了环境的精确表示和高效的避障。与传统的基于体素或点云的表示方法相比，高斯溅射具有连续、可微的特性，便于计算距离和梯度信息。此外，该方法通过二次规划构建控制器，能够有效地处理各种约束和代价函数，实现末端执行器的精确姿态控制。

关键设计：论文比较了几何方法和栅格化方法计算机器人与高斯溅射表示的环境之间的距离。几何方法直接计算机器人与高斯溅射之间的距离，精度较高，但计算复杂度较高。栅格化方法将环境离散化为栅格，然后计算机器人与栅格之间的距离，计算复杂度较低，但精度较低。二次规划控制器中，目标函数包括末端执行器姿态误差、运动平滑性代价等，约束条件包括避障约束、关节角度约束等。

📊 实验亮点

实验结果表明，ReMoSPLAT在合成和真实世界的扫描场景中均能有效地控制移动机械臂避开障碍物并到达目标姿态。该方法在性能上与依赖完美真值信息的控制器相当，证明了高斯溅射作为环境表示的有效性。论文还对比了几何方法和栅格化方法计算机器人-障碍物距离，为实际应用中选择合适的距离计算方法提供了参考。

🎯 应用场景

ReMoSPLAT可应用于各种需要移动机械臂进行操作的场景，例如仓库自动化、家庭服务机器人、医疗辅助机器人等。该方法能够提高移动机械臂在复杂环境中的安全性和效率，降低人工干预的需求，实现更智能化的自主操作。未来，该研究可以扩展到多机器人协作、动态环境等更复杂的场景。

📄 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.