NeRF in Robotics: A Survey

精细的三维环境表示一直是计算机视觉和机器人领域的长期目标。最近神经隐式表示的出现为该领域带来了根本性创新，因为隐式表示能够实现众多的能力。其中，神经辐射场（NeRF）因其巨大的表现优势而引起了热潮，例如简化的数学模型、紧凑的环境存储和连续的场景表示。除了计算机视觉之外，NeRF在机器人领域也显示出了巨大的潜力。因此，我们创建了这份调查报告，以提供关于NeRF在机器人领域的全面了解。通过探讨NeRF的优势和局限性以及其当前的应用和未来的潜力，我们希望为这个有前途的研究领域提供一些启示。我们的调查报告分为两个主要部分：从NeRF进入机器人领域的角度，分别是“NeRF在机器人中的应用”和“NeRF在机器人中的进展”。在第一部分中，我们介绍和分析了一些从感知和交互角度已经或可能被用于机器人领域的作品。在第二部分中，我们展示了一些与改进NeRF自身属性相关的作品，这对于在机器人领域部署NeRF至关重要。在回顾的讨论部分，我们总结了现有的挑战，并提供了一些有价值的未来研究方向供参考。

NeRF在机器人领域的应用和发展现状是什么？

NeRF在机器人领域的应用和发展现状进行了全面的调研和总结，从感知和交互两个角度分析了NeRF在机器人领域的应用，并介绍了一些改进NeRF的工作。

论文从感知和交互两个角度分析了NeRF在机器人领域的应用，介绍了一些改进NeRF的工作。实验使用了不同的数据集，并且提供了代码和模型供其他研究者使用。未来的研究方向包括如何将NeRF应用于机器人操作中，并进一步提高NeRF的效率。

近期的相关研究包括：《Learning to Navigate in Cities Without a Map》、《Differentiable Volumetric Rendering: Learning Implicit 3D Representations without 3D Supervision》等。