NeRF for Robotics: A Survey

该论文是神经辐射场（Neural Radiance Fields, NeRF）在机器人领域应用的综合性综述，系统梳理了NeRF在机器人感知、规划、控制和仿真中的各类应用。NeRF是一种用于3D场景表示和新视角合成的深度学习方法，通过多层感知机（MLP）将空间位置和观察方向映射为颜色和密度，能够实现高保真的3D场景重建。论文将NeRF在机器人中的应用分为五大类：1）机器人感知，包括3D场景重建、语义分割、目标检测、姿态估计、深度估计等；2）机器人导航与规划，包括基于NeRF的路径规划、避障、探索、语义导航等；3）机器人操作，包括基于NeRF的抓取规划、操作规划、可变形物体操作等；4）机器人仿真与Sim2Real，包括基于NeRF的可微仿真、域随机化、Sim2Real迁移等；5）机器人学习，包括基于NeRF的强化学习、模仿学习、世界模型等。论文详细讨论了NeRF的加速方法（Instant-NGP、Plenoxels、3D高斯溅射）、动态NeRF、语义NeRF、可微NeRF、NeRF与SLAM的结合（NICE-SLAM、Point-SLAM），以及在移动机器人、机械臂、自动驾驶、无人机等领域的应用。该综述引用超过400次，是NeRF在机器人领域应用的重要参考资料。