PolyMerge: Compressing 3D Gaussian Splats with Polytope Coverings for Provably Safe Resource-Constrained Navigation

기술 요약: PolyMerge: 자원 제한적 환경에서의 입증 가능한 안전한 내비게이션을 위한 폴리토프 커버링 기반 3D 가우시안 스플래팅 압축

문제 정의
방사 휘도장(radiance field) 재구성 분야의 최근 발전, 특히 3D 가우시안 스플래팅(3DGS)은 장애물 기하 구조를 정밀하게 식별할 수 있는 고충실도 장면 모델링을 제공합니다. 그러나 이러한 모델은 수십만 개에서 수백만 개의 타원체를 포함할 수 있어, 자원이 제한된 로봇 하드웨어(예: Crazyflie와 같은 소형 드론)의 저장 및 처리 능력을 초과하는 높은 계산 및 메모리 비용을 초래합니다. 또한, 시각적 작업을 위해 3DGS 모델을 압축하는 기존 방식들은 점유된 공간에 대한 기하학적 과대 근사(over-approximation)를 제공하지 못하여 모션 플래닝 시 안전성을 보장하지 못합니다. 일부 접근 방식이 3DGS 데이터에 제어 장벽 함수(Control Barrier Functions, CBFs)를 사용하여 안전한 내비게이션을 시도하지만, 이들은 온보드 배포를 수행하기에는 여전히 너무 무겁습니다. 핵심 과제는 고충실도 3DGS 장면을 엄격한 하드웨어 제약을 만족하면서도 장애물의 과대 근사를 보장하는 경량 표현으로 압축하는 것입니다.

방법론: PolyMerge
저자들은 3DGS 모델을 모든 장애물을 입증 가능하게 과대 근사하는 볼록 폴리토프(convex polytopes) 집합으로 변환하는 PolyMerge 프레임을 제안합니다. 이 방법은 세 가지 주요 단계로 작동합니다:

1. 점유 복셀화(Occupancy Voxelization): 3DGS 모델(타원체 집합)을 희소 복셀 점유 그리드($V^+$)로 변환합니다. 알고리즘은 장면 내의 임의의 타원체와 교차하는 복셀을 결정하여, 연속적인 가우시안 표현을 이진 점유 맵으로 효과적으로 이산화합니다.
2. 국소 서브커버 구축(Local Subcover Construction): 복셀 그리드의 카디널리티(cardinality)를 줄이기 위해, 알고리즘은 인접한 점유 복셀들을 클러스터로 그룹화합니다. 그 후, 모든 점유 복셀을 커버하는 최소한의 서브 컬렉션을 선택하기 위해 가중치 집합 커버(weighted set cover) 알고리즘을 적용합니다. 가중치 함수는 각 클러스터의 볼록 껍질(convex hull) 내에 포함되는 비점유 공간을 최소화하도록 설계되어 보수성을 줄입니다.
3. 반복적 병합(Iterative Merging): 특정 하드웨어 예산(최대 폴리토프 개수, $B$)을 충족하기 위해, 알고리즘은 볼록 껍질 쌍을 반복적으로 병합합니다. 이때 합집합이 비점유 부피의 증가를 최소화하는(즉, 보수성이 가장 낮은) 쌍을 선택합니다. 이 과정은 폴리토프의 수가 제약 조건을 만족할 때까지 계속됩니다.

결과로 생성된 볼록 폴리토프 집합은 CBF 기반 안전 필터와 통합됩니다. 폴리토프 표현은 미분 가능성을 보장하기 위해 soft-min 및 soft-max 함수를 사용하여 매끄럽게 처리된 장벽 함수 $\psi(p)$의 효율적인 구축을 가능하게 합니다. 이 장벽 함수는 제어 리아푸노프 함수(Control Lyapunov Function) 컨트롤러에 의해 생성된 명목 제어 입력을 필터링하여, 안전 집합의 전방 불변성(forward invariance)과 충돌 없는 내비게이션을 보장합니다.

주요 기여

1. 장면 압축 알고리즘: 본 논문은 3DGS 환경으로부터 장애물의 입증 가능한 과대 근사를 계산하기 위해 폴리토프 집합 커버를 구축하고 병합하는 알고리즘인 PolyMerge를 소개합니다.
2. 자원-보수성 트레이드오프: 이 방법은 기하학적 프리미티브(폴리토프)의 수를 조절하여 엄격한 자원 제약을 충족할 수 있음을 보여줍니다. 사용자는 계산 비용과 장애물 과대 근사의 보수성 사이에서 절충할 수 있습니다.
3. 온보드 배포: 시뮬레이션 및 Crazyflie 드론을 이용한 하드웨어 실험을 통해, 저자들은 PolyMerge가 기존 베이스라인(SaferSplat, SuGaR+CoACD)보다 더 안전한 궤적을 생성함을 보여줍니다. 하드웨어에서 실행이 불가능하거나 안전성을 보장하지 못하는 베이스라인들과 달리, PolyMerge는 심각한 온보드 컴퓨팅 제약 조건 하에서도 실시간 안전 내비게이션을 가능하게 합니다.

실험 결과

• 메모리 효율성: mip-NeRF360 데이터셋의 9개 장면에 대한 시뮬레이션에서, PolyMerge는 원시 3DGS 타원체를 저장하는 것보다 최대 10배의 메모리 점유율 감소를 달ax성했습니다. PolyMerge는 (폴리토프당 더 많은 반평면을 사용하기 때문에) SuGaR+CoACD 베이스라인보다 더 많은 메모리를 사용했지만, SuGaR+CoACD가 모든 점유 복셀을 커버하지 못해 안전성을 해친 것과 달리 모든 점유 복셀을 입증 가능하게 과대 근사했습니다.
• 계산 속도: NVIDIA RTX A6000 GPU에서, 폴리토프 기반 표현(PolyMerge 포함)은 밀집된 타원체 클라우드를 사용하는 방법보다 평균 시뮬레이션 실행 시간에서 약 100배의 속도 향상을 달성했습니다.
• 내비게이션 성능: PolyMerge는 베이스라인들에 비해 목표 도달 성공률이 더 높았습니다. 폴리토프에 의한 과대 근사는 불안전한 집합을 규제(regularize)하여, 복잡한 장애물 기하 구조에서 흔히 발생하는 지역 최솟값(local minima)에 에이전트가 갇히는 것을 방지하는 것으로 나타났습니다.
• 하드웨어 검증: Crazyflie 2.1+ 드론을 이용한 실험을 통해 이 방법이 온보드에서 실행될 수 있음을 확인했습니다. 드론은 150개의 폴리토프를 사용하여 후프 장애물을 통과하는 항행에 성공했습니다. 폴리토프 수를 10개로 줄였을 때(보수성 증가), 드론은 우회 경로를 택하거나 항행에 실패하여 자원 사용량과 경로 효율성 사이의 트레이드오프를 보여주었습니다.

의의 및 주장
본 논문은 PolyMerge가 고충실도 장면 재구성과 자원이 제한된 플랫폼에서의 실시간 안전 모션 플래닝 사이의 간극을 메운다고 주장합니다. 장애물을 입증 가능하게 과대 근사함으로써, 이 방법은 CBF 기반 컨트롤러를 위한 안전을 보장합니다. 저자들은 이 연구를 고도의 사진적 모델링과 온보드 인식을 결입하여, 소형 로봇이 무거운 외부 컴퓨팅이나 단순화된 기하학적 가정에 의존하지 않고도 복잡한 환경을 안전하게 탐색할 수 있게 하는 단계로 포지셔닝합니다. 이 방법은 하드웨어의 한계와 엄격한 안전 보장의 필요성 사이에서 균형을 맞추는 실질적인 솔루션으로 제시되지만, 저자들은 동적 장면 및 온보드 위치 추정(localization)과 관련된 한계를 언급하며 이를 향후 연구 과제로 식별하였습니다.