Newest papers

CoGaussian: Open-Vocabulary Gaussian-based Collaborative 3D Scene Understanding

Om Shivam Verma, Shaya Farahmand, Lingjun Zhao, Lu Gan · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28530 · open-access PDF

German

Die kollaborative Wahrnehmung ermöglicht es Agenten, die Szene-Semantik und -geometrie über das Sichtfeld eines einzelnen Agenten hinaus zu erfassen. Dieses breitere Szenenkenntnis erhöht die Transportsicherheit und verbessert die Effizienz in Multi-Robot-Systemen. Jedoch verlassen sich bestehende kollaborative semantische Besatzungsmethoden auf dichte 3D-Voxel-Annotationen und beschränken sich auf die Erkennung von Objekten innerhalb eines vordefinierten Satzes semantischer Klassen. Um diese Einschränkungen zu überwinden, präsentieren wir CoGaussian, ein offenes, Gaussian-basiertes kollaboratives semantisches Besatzungsvorhersage-Framework.

Machine translation (Meta M2M100); the English original follows.

Abstract

Collaborative perception enables agents to retrieve the scene semantics and geometry beyond the field of view of any individual agent. This broader scene understanding enhances transportation safety and improves efficiency in multi-robot systems. However, existing collaborative semantic occupancy methods rely on dense 3D voxel annotations and are limited to recognizing objects within a predefined set of semantic classes. To overcome these limitations, we present CoGaussian, an open-vocabulary Gaussian-based collaborative semantic occupancy prediction framework. CoGaussian represents a scene as

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange