随着机器人领域的飞速发展，我们有一个问题不断需要思考，究竟如何让机器人像人类一样理解世界，学习周围环境的表示。对于机器人来说，究竟是需要精确 的坐标，还是语义的物体概念，还是隐式的空间认识推理模型？ 在本文中， 上海交通大学、波恩大学等院校的研究团队全面总结了当前机器人技术中常用的场景表示方法 。这些方法包括传统的点云、体素栅格、符号距离函数 以及场景图等传统几何表示方式，同时也涵盖了最新的神经网络表示技术，如神经辐射场、3D 高斯散布模型以及新兴的 3D 基础模型。 虽然目前的 SLAM 与定位系统主要依赖点云、体素这类稀疏表示方式，但密集型场景表示方法在导航、避障等后续任务中无疑会发挥关键作用。此外，神经辐射 场、3D 高斯散布模型以及基础模型这类神经网络表示技术，非常适合整合高层次的语义信息与基于语言的先验知识，从而实现更全面的 3D 场景理解与智能体行 为控制。本文的目标是为新手和资深研究人员提供一份有价值的参考资料，帮助他们探索 3D 场景表示技术的未来发展方向及其在机器人技术中的应用。 标题：What Is The Best 3D Scene Representation for Robotics ...