《Title:Green Robotic Mixed Reality with Gaussian Splatting》
背景介绍
随着机器人混合现实（RoboMR）系统的发展，如何实现绿色通信成为一大挑战。传统方法需要频繁上传高分辨率图像，导致能耗巨大。为了解决这一问题，本文提出了一种基于高斯溅射（Gaussian Splatting, GS）的绿色RoboMR系统（GSRMR），旨在降低能耗并推动绿色技术的发展。
中文摘要
本文提出了一种名为GSRMR的创新系统，通过构建高斯溅射模型，使模拟器能够根据机器人姿态生成逼真视图，从而减少不必要的图像上传。为了应对GS模型与实际环境之间的差异，本文进一步提出了GS跨层优化（GSCLO）框架，联合优化内容切换（即决定是否上传图像）和跨帧功率分配。GSCLO问题通过加速惩罚优化（APO）算法解决。实验表明，GSRMR在通信能耗上比传统RoboMR降低了10倍以上。
中文方法
GSRMR的核心是构建高斯溅射模型，该模型能够根据机器人姿态生成高保真视图，减少图像上传需求。为了进一步提升系统性能，提出了GS跨层优化（GSCLO）框架，联合优化内容切换和功率分配。GSCLO通过加速惩罚优化（APO）算法实现高效求解。
中文实验结果描述
实验结果显示，GSRMR在通信能耗上显著优于传统RoboMR，降低了10倍以上。此外，GSRMR结合APO算法在峰值信噪比（PSNR）和结构相似性指数（SSIM）方面表现优异，超越了多种基线方案。
#绿色科技 #机器人混合现实 #高斯溅射 #节能优化 #创新技术
背景介绍
随着机器人混合现实（RoboMR）系统的发展，如何实现绿色通信成为一大挑战。传统方法需要频繁上传高分辨率图像，导致能耗巨大。为了解决这一问题，本文提出了一种基于高斯溅射（Gaussian Splatting, GS）的绿色RoboMR系统（GSRMR），旨在降低能耗并推动绿色技术的发展。
中文摘要
本文提出了一种名为GSRMR的创新系统，通过构建高斯溅射模型，使模拟器能够根据机器人姿态生成逼真视图，从而减少不必要的图像上传。为了应对GS模型与实际环境之间的差异，本文进一步提出了GS跨层优化（GSCLO）框架，联合优化内容切换（即决定是否上传图像）和跨帧功率分配。GSCLO问题通过加速惩罚优化（APO）算法解决。实验表明，GSRMR在通信能耗上比传统RoboMR降低了10倍以上。
中文方法
GSRMR的核心是构建高斯溅射模型，该模型能够根据机器人姿态生成高保真视图，减少图像上传需求。为了进一步提升系统性能，提出了GS跨层优化（GSCLO）框架，联合优化内容切换和功率分配。GSCLO通过加速惩罚优化（APO）算法实现高效求解。
中文实验结果描述
实验结果显示，GSRMR在通信能耗上显著优于传统RoboMR，降低了10倍以上。此外，GSRMR结合APO算法在峰值信噪比（PSNR）和结构相似性指数（SSIM）方面表现优异，超越了多种基线方案。
#绿色科技 #机器人混合现实 #高斯溅射 #节能优化 #创新技术
