Splatblox：屋外ロボットナビゲーションのための走行可能性を考慮したGaussian Splatting

arXiv cs.RO / 2026/4/9

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

Splatbloxは、密生した植生、不規則な障害物、複雑な地形を対象に、統一されたマッピング／計画表現を用いて実時間の自律屋外ナビゲーションシステムとして提示される。
分割したRGB画像とLiDAR点群をGaussian Splattingで融合し、幾何とセマンティクスの両方を符号化した、走行可能性を考慮するESDF（拡張状態距離関数）を構築する。これにより「通行可能かどうか」を推論できる。
システムは、走行可能な植生（例：背の高い草）と剛体の障害物（例：木）を区別し、LiDARの360度のカバレッジを活用して、より長い計画ホライゾン（最大100メートル）を支える。
四足ロボットでの検証と、車輪型プラットフォームへの転移により、最先端手法よりも性能が向上する。具体的には、成功率が50%+高い、凍結（フリーズ）事象が40%少ない、フィールド試験では目的地までの経路が短く／より速いことが示される。

Abstract

我々は、密生した植生、起伏のある障害物、複雑な地形を持つ屋外環境における自律航行のためのリアルタイムシステムであるSplatbloxを提案する。提案手法は、分割（セグメント化）されたRGB画像とLiDAR点群を、Gaussian Splattingを用いて融合し、幾何とセマンティクスを同時に符号化する、走行可能性を意識したユークリッド距離符号付き距離場（ESDF）を構築する。オンラインで更新されるこの場は、走行可能な植生（例：背の高い草）と剛体の障害物（例：樹木）を区別するためのセマンティック推論を可能にする。一方でLiDARは、拡張された計画ホライズンに対して360度の幾何学的カバレッジを保証する。Splatbloxを四足ロボットで検証し、車輪式プラットフォームへの転移も示す。植生が豊富なシナリオにおけるフィールド試験では、最先端手法よりも成功率が50%以上高く、フリーズ（停止）発生件数が40%少なく、経路長が5%短く、到達までの時間が最大13%速いことを確認した。さらに、最大100メートルまでの長距離ミッションにも対応する。実験動画および詳細は、我々のプロジェクトページで確認できる：https://splatblox.github.io