NeRF for Robotics Benchmark是神经辐射场（NeRF）在机器人领域应用研究社区维护的标准化评测基准，用于公平比较不同NeRF方法在机器人感知、规划、控制和仿真任务上的性能。基准涵盖NeRF场景重建、动态NeRF、语义NeRF、可微NeRF、NeRF-SLAM、3D高斯溅射等多种NeRF变体，包括3D场景重建、新视角合成、语义分割、目标检测、6D姿态估计、深度估计、路径规划、避障、抓取规划、可微仿真、Sim2Real迁移等多种机器人应用任务。基准提供了统一的数据集接口、标准化的评估协议、可复现的实验设置和公开的排行榜，支持多种数据集（Replica、ScanNet、7-Scenes、TUM RGB-D等）和机器人平台。
NeRF for Robotics Benchmark
NeRF for Robotics Benchmark是神经辐射场（NeRF）在机器人领域应用研究社区维护的标准化评测基准，用于公平比较不同NeRF方法在机器人感知、规划、控制和仿真任务上的性能。基准涵盖NeRF场景重建、动态NeRF、语义NeRF、可微NeRF、NeRF-SLAM、3D高斯溅射等多种NeRF变体，包括3D场景重建、新视角合成、语义分割、目标检测、6D姿态估计、深度估计、路径规划、避障、抓取规划、可微仿真、Sim2Real迁移等多种机器人应用任务。基准提供了统一的数据集接口、标准化的评估协议、可复现的实验设置和公开的排行榜，支持多种数据集（Replica、ScanNet、7-Scenes、TUM RGB-D等）和机器人平台。
测试方法与条件
在统一数据集和机器人任务下运行各NeRF方法，记录重建质量、渲染速度、感知精度、规划成功率等指标，多次运行取平均值和标准差