AIGC動態(tài)歡迎閱讀

原標題：機器人中的神經(jīng)場：綜述
關(guān)鍵字：神經(jīng),機器人,環(huán)境,表示,領(lǐng)域
文章來源：人工智能學家
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

來源：專知
摘要—神經(jīng)場（Neural Fields）已成為計算機視覺和機器人領(lǐng)域中用于3D場景表示的變革性方法，能夠從帶姿態(tài)的2D數(shù)據(jù)中精準推理幾何、3D語義和動態(tài)信息。通過可微分渲染（differentiable rendering），神經(jīng)場包括連續(xù)隱式和顯式神經(jīng)表示，實現(xiàn)高保真3D重建、多模態(tài)傳感器數(shù)據(jù)的整合，以及新視角的生成。本綜述探討了神經(jīng)場在機器人領(lǐng)域的應用，強調(diào)其在提升感知、規(guī)劃和控制方面的潛力。神經(jīng)場的緊湊性、內(nèi)存效率和可微性，加之與基礎(chǔ)模型和生成模型的無縫集成，使其非常適合實時應用，有助于提升機器人的適應性和決策能力。本文對機器人中的神經(jīng)場進行了全面回顧，涵蓋200多篇論文中的應用，并對其優(yōu)缺點進行評估。首先，我們介紹了四種關(guān)鍵的神經(jīng)場框架：占用網(wǎng)絡（Occupancy Networks）、符號距離場（Signed Distance Fields）、神經(jīng)輻射場（Neural Radiance Fields）和高斯分布（Gaussian Splatting）。其次，我們詳細描述了神經(jīng)場在機器人五大主要領(lǐng)域中的應用：姿態(tài)估計、操控、導航、物理仿真和自動駕駛，重點介紹了關(guān)鍵

原文鏈接：機器人中的神經(jīng)場：綜述

聯(lián)系作者

文章來源：人工智能學家
作者微信：
作者簡介：