从2D观测向量学习通用的3D场景表示
Towards Learning a Generalizable 3D Scene Representation from 2D Observations
AI总结：
本文提出了一种通用神经辐射场方法，通过第一人称机器人观测学习3D场景表示，实现了对未见场景的泛化能力，并在真实场景中验证了其高精度的3D重建性能。
摘要：
我们介绍了一种通用神经辐射场方法，用于从第一人称机器人观测预测3D工作空间占用。与以往在相机坐标系中操作的方法不同，我们的模型在全局工作空间框架中构建占用表示，使其可以直接应用于机器人操作。该模型集成了灵活的源视角，并能泛化到未见过的对象排列，而无需特定场景的微调。我们在双足机器人上展示了该方法，并将预测的几何结构与3D传感器地面真实值进行评估。在40个真实场景上训练后，我们的模型实现了26毫米的重建误差，包括遮挡区域，验证了其在传统立体视觉方法之外推断完整3D占用的能力。
英文摘要：
We introduce a Generalizable Neural Radiance Field approach for predicting 3D workspace occupancy from egocentric robot observations. Unlike prior methods operating in camera-centric coordinates, our model constructs occupancy representations in a global workspace frame, making it directly applicable to robotic manipulation. The model integrates flexible source views and generalizes to unseen object arrangements without scene-specific finetuning. We demonstrate the approach on a humanoid robot and evaluate predicted geometry against 3D sensor ground truth. Trained on 40 real scenes, our model achieves 26mm reconstruction error, including occluded regions, validating its ability to infer complete 3D occupancy beyond traditional stereo vision methods.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
