Green Robotic Mixed Reality with Gaussian Splatting

要約

ロボットミックスリアリティ（ROBOMR）システムでのグリーンコミュニケーションの実現は、ワイヤレスチャネルを介して高周波数で高解像度画像をアップロードする必要があるため、課題を提示します。
このペーパーでは、ガウススプラッティング（GS）ROBOMR（GSRMR）を提案します。これは、より低いエネルギー消費を達成し、グリーンロボムルに向けて具体的な一歩を踏み出します。
GSRMRへの核心は、シミュレータがロボットのポーズから写真と現実的なビューを日和見的にレンダリングすることを可能にするGSモデルを構築することで、過度の画像アップロードの必要性を減らすことです。
GSモデルには実際の環境と比較して不一致が含まれる可能性があるため、GS架橋最適化（GSCLO）フレームワークがさらに提案され、コンテンツスイッチングを共同で最適化します（つまり、画像をアップロードするかどうかを決定）、パワー配分をさまざまなフレームに配置します。
GSCLOの問題は、加速ペナルティ最適化（APO）アルゴリズムによって解決されます。
実験は、提案されたGSRMRがRoBomRと比較して通信エネルギーを10倍以上減らすことを示しています。
さらに、APOを備えた提案されたGSRMRは、ピーク信号対雑音比（PSNR）と構造類似性指数測定（SSIM）の観点から、広範なベースラインスキームを上回ります。

要約(オリジナル)

Realizing green communication in robotic mixed reality (RoboMR) systems presents a challenge, due to the necessity of uploading high-resolution images at high frequencies through wireless channels. This paper proposes Gaussian splatting (GS) RoboMR (GSRMR), which achieves a lower energy consumption and makes a concrete step towards green RoboMR. The crux to GSRMR is to build a GS model which enables the simulator to opportunistically render a photo-realistic view from the robot’s pose, thereby reducing the need for excessive image uploads. Since the GS model may involve discrepancies compared to the actual environments, a GS cross-layer optimization (GSCLO) framework is further proposed, which jointly optimizes content switching (i.e., deciding whether to upload image or not) and power allocation across different frames. The GSCLO problem is solved by an accelerated penalty optimization (APO) algorithm. Experiments demonstrate that the proposed GSRMR reduces the communication energy by over 10x compared with RoboMR. Furthermore, the proposed GSRMR with APO outperforms extensive baseline schemes, in terms of peak signal-to-noise ratio (PSNR) and structural similarity index measure (SSIM).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google