ReMoSPLAT：高斯点云上的反应式移动操作控制
ReMoSPLAT: Reactive Mobile Manipulation Control on a Gaussian Splat
AI总结：
研究移动操纵器在不涉及高成本规划下如何利用高斯点云表示避免碰撞，提出基于二次规划公式的ReMoSPLAT反应式控制器，通过模拟实验验证其可行性，性能可媲美依赖完美信息的控制器，并在真实机器人平台进一步验证。
摘要：
反应式控制能够优雅地协调移动操纵器的基座和手臂运动。然而，在不进行代价高昂的规划的情况下，纳入环境的精确表示以避免障碍物仍是一项挑战。在这项工作中，我们提出了ReMoSPLAT，一种基于二次规划公式的移动操作反应式控制器，它利用高斯点云表示来避免碰撞。通过将额外的约束和成本纳入优化公式，移动操纵器平台即使在杂乱场景中也能在避开障碍物的同时达到预期的末端执行器姿态。我们研究了两种有效计算机器人与障碍物距离的方法的权衡，比较了纯几何方法和基于光栅化的方法。我们在合成和真实世界扫描上的模拟实验证明了该方法的可行性，其性能与依赖完美地面真值信息的控制器相当。我们还在真实机器人平台上进一步验证了该方法。
英文摘要：
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 simulation experiments on both synthetic and real-world scans demonstrate the feasibility of the proposed method, achieving performance comparable to controllers that rely on perfect ground-truth information. We further validate the approach on a real robot platform more details: https://remosplat.github.io
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
