Fugu-MT 論文翻訳(概要): NeRFs in Robotics: A Survey

論文の概要: NeRFs in Robotics: A Survey

arxiv url: http://arxiv.org/abs/2405.01333v2
Date: Wed, 02 Jul 2025 01:46:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-03 14:22:55.931588
Title: NeRFs in Robotics: A Survey
Title（参考訳）: NeRFs in Robotics: A Survey
Authors: Guangming Wang, Lei Pan, Songyou Peng, Shaohui Liu, Chenfeng Xu, Yanzi Miao, Wei Zhan, Masayoshi Tomizuka, Marc Pollefeys, Hesheng Wang,
Abstract要約: 最近の神経暗黙表現の出現は、コンピュータビジョンとロボット工学に大きな進歩をもたらした。 NeRFには、単純化された数学的モデル、低いメモリフットプリント、連続的なシーン表現など、かなりの表現上の利点がある。本稿では,ロボット工学分野におけるNeRFの包括的理解について紹介する。
参考スコア（独自算出の注目度）: 95.11502610414803
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Detailed and realistic 3D environment representations have been a long-standing goal in the fields of computer vision and robotics. The recent emergence of neural implicit representations has introduced significant advances to these domains, enabling numerous novel capabilities. Among these, Neural Radiance Fields (NeRFs) have gained considerable attention because of their considerable representational advantages, such as simplified mathematical models, low memory footprint, and continuous scene representations. In addition to computer vision, NeRFs have demonstrated significant potential in robotics. Thus, we present this survey to provide a comprehensive understanding of NeRFs in the field of robotics. By exploring the advantages and limitations of NeRF as well as its current applications and future potential, we aim to provide an overview of this promising area of research. Our survey is divided into two main sections: \textit{Applications of NeRFs in Robotics} and \textit{Advances for NeRFs in Robotics}, from the perspective of how NeRF enters the field of robotics. In the first section, we introduce and analyze some works that have been or could be used in robotics for perception and interaction tasks. In the second section, we show some works related to improving NeRF's own properties, which are essential for deploying NeRFs in robotics. In the discussion section of the review, we summarize the existing challenges and provide valuable future research directions.
Abstract（参考訳）: 詳細でリアルな3D環境表現は、コンピュータビジョンとロボット工学の分野で長年の目標だった。最近の神経暗黙表現の出現は、これらの領域に大きな進歩をもたらし、多くの新しい機能を可能にした。これらのうちNeural Radiance Fields (NeRF) は、単純化された数学的モデル、低メモリフットプリント、連続的なシーン表現など、表現上の優位性から注目されている。コンピュータビジョンに加えて、NeRFはロボティクスにおいて大きな可能性を証明している。そこで本研究では,ロボット工学分野におけるNeRFの包括的理解について述べる。我々は、NeRFの利点と限界、そしてその応用と将来の可能性を探ることで、この将来性のある研究分野の概要を概観することを目指している。我々の調査は、ロボット工学の分野にNeRFがどう入り込むかという観点から、ロボットにおけるNeRFの応用とNeRFの活用の2つの主要なセクションに分けられる。第1節では、ロボット工学において知覚と相互作用のタスクに使われた、あるいは使用可能ないくつかの研究を紹介し、分析する。第2節では, ロボット工学におけるNeRFの展開に不可欠なNeRFの特性向上に関するいくつかの研究について述べる。レビューの議論セクションでは、既存の課題を要約し、貴重な今後の研究指針を提供する。

関連論文リスト

Neural Radiance Fields for the Real World: A Survey [19.916224575959394]
ニューラル・ラジアンス・フィールド(NeRF)は、リリース以来、3Dシーンの表現をリフォームしてきた。 NeRFは、2D画像から複雑な3Dシーンを効果的に再構築することができる。この調査は重要な理論上の進歩と代替的な表現をまとめたものである。
論文参考訳（メタデータ） (2025-01-22T18:59:10Z)
EnerVerse: Envisioning Embodied Future Space for Robotics Manipulation [55.26713167507132]
本稿では,エンボディ空間の構築と解釈を行う生成ロボティクス基礎モデルを提案する。 EnerVerseは、自己回帰的ビデオ拡散フレームワークを使用して、命令から将来のエンボディドスペースを予測する。本稿では,生成モデルと4次元ガウススプラッティングを組み合わせたデータエンジンパイプラインであるEnerVerse-Dについて述べる。
論文参考訳（メタデータ） (2025-01-03T17:00:33Z)
Neural Fields in Robotics: A Survey [39.93473561102639]
Neural Fieldsは、コンピュータビジョンとロボット工学における3Dシーン表現の変革的アプローチとして登場した。この調査は、ロボット工学における彼らの応用を探求し、知覚、計画、制御を強化する可能性を強調している。それらのコンパクトさ、メモリ効率、微分可能性、基礎モデルと生成モデルとのシームレスな統合は、リアルタイムアプリケーションに理想的です。
論文参考訳（メタデータ） (2024-10-26T16:26:41Z)
Neural Radiance Field-based Visual Rendering: A Comprehensive Review [0.6047429555885261]
近年、Neural Radiance Fields (NeRF) はコンピュータビジョンとグラフィックスの分野で顕著な進歩を遂げている。 NeRFは学術界で継続的な研究ブームを引き起こしている。本総説では,過去2年間にNeRFに関する研究文献を詳細に分析した。
論文参考訳（メタデータ） (2024-03-31T15:18:38Z)
3D Visibility-aware Generalizable Neural Radiance Fields for Interacting Hands [51.305421495638434]
ニューラル放射場(NeRF)は、シーン、オブジェクト、人間の3D表現を約束する。本稿では,手動操作のための一般化可能な視認可能なNeRFフレームワークを提案する。 Interhand2.6Mデータセットの実験により、提案したVA-NeRFは従来のNeRFよりも著しく優れていることが示された。
論文参考訳（メタデータ） (2024-01-02T00:42:06Z)
DReg-NeRF: Deep Registration for Neural Radiance Fields [66.69049158826677]
我々は,人間の介入なしにオブジェクト中心のアノテートシーンにおけるNeRF登録問題を解くためにDReg-NeRFを提案する。提案手法は,SOTAポイントクラウド登録方式を大きなマージンで打ち負かす。
論文参考訳（メタデータ） (2023-08-18T08:37:49Z)
BeyondPixels: A Comprehensive Review of the Evolution of Neural Radiance Fields [1.1531932979578041]
NeRF(Neural Radiance Fieldsの略)は、AIアルゴリズムを使用して2D画像から3Dオブジェクトを生成する最近のイノベーションである。この調査は、最近のNeRFの進歩を概観し、それらのアーキテクチャ設計に従って分類する。
論文参考訳（メタデータ） (2023-06-05T16:10:21Z)
Neural Radiance Fields: Past, Present, and Future [0.0]
MildenhallらがNeRFに関する論文で行った試みは、コンピュータグラフィックス、ロボティクス、コンピュータビジョンのブームにつながり、高解像度の低ストレージ拡張現実と仮想現実ベースの3Dモデルは、NeRFに関連する1000以上のプレプリントのリセットから注目を集めている。このサーベイは、レンダリング、インプリシトラーニング、NeRFの歴史、NeRFの研究の進展、そして今日の世界のNeRFの潜在的な応用と意味を提供する。
論文参考訳（メタデータ） (2023-04-20T02:17:08Z)
NeRF: Neural Radiance Field in 3D Vision, A Comprehensive Review [19.67372661944804]
ニューラル・ラジアンス・フィールド(NeRF)は近年,コンピュータビジョンの分野で重要な発展を遂げている。 NeRFモデルは、ロボット工学、都市マッピング、自律ナビゲーション、仮想現実/拡張現実など、さまざまな応用を見出している。
論文参考訳（メタデータ） (2022-10-01T21:35:11Z)
NeRF-Loc: Transformer-Based Object Localization Within Neural Radiance Fields [62.89785701659139]
我々は,NeRFシーン内の物体の3次元境界ボックスを抽出するトランスフォーマーベースのフレームワークNeRF-Locを提案する。 NeRF-Locは、事前訓練されたNeRFモデルとカメラビューを入力として、オブジェクトのラベル付き3Dバウンディングボックスを出力として生成する。
論文参考訳（メタデータ） (2022-09-24T18:34:22Z)
NeRF-Supervision: Learning Dense Object Descriptors from Neural Radiance Fields [54.27264716713327]
シーンのニューラル・ラジアンス・フィールド(NeRF)表現は,高密度物体記述子の訓練に利用できることを示す。我々は、最適化されたNeRFを用いて、オブジェクトの複数のビュー間の密接な対応を抽出し、これらの対応を、オブジェクトのビュー不変表現を学習するためのトレーニングデータとして使用する。また,本手法により教師されたディエンス対応モデルは,市販の学習ディスクリプタよりも106%優れていた。
論文参考訳（メタデータ） (2022-03-03T18:49:57Z)
Future Frame Prediction for Robot-assisted Surgery [57.18185972461453]
本稿では,ロボット手術用ビデオシーケンスにおけるフレーム予測のためのtpg-vaeモデルを提案する。コンテンツ配信に加えて、私たちのモデルは、手術ツールの小さな動きを処理するために斬新な運動分布を学習します。
論文参考訳（メタデータ） (2021-03-18T15:12:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。