Go-SLAM：基于高斯样条的物体分割和定位
原文中文，约400字，阅读约需1分钟。发表于：。本研究提出了Go-SLAM框架，旨在解决动态环境中物体级信息嵌入缺乏的问题。通过使用高斯样条SLAM和先进的物体分割技术，Go-SLAM能够实现开放词汇查询，使用户可以使用自然语言描述快速定位物体。综合评估结果显示，该框架在场景重构、物体分割和机器人路径规划方面具有显著的优势。
本文介绍了GS-SLAM算法，首次在SLAM系统中使用3D高斯表示，实现效率与准确性的平衡。GS-SLAM通过实时可微分渲染加速地图优化，并采用自适应扩张策略重构新场景。位姿跟踪中使用从粗到细的优化技术，减少运行时间。在Replica和TUM-RGBD数据集上表现优异，源代码将于2023年11月发布。
