# 面向真实世界的 Neural Radiance Fields：综述

> 原文链接：https://robotics.hellobike.com/papers/2026-08-01-2501-13104
> 频道：papers | 更新日期：2026-08-01 | 标签：arxiv, cs.RO
> 核心摘要：该综述梳理NeRFs在3D场景表示中的理论进展、替代表示、应用挑战，并覆盖重建、计算机视觉、机器人、数据集与工具包。

# 面向真实世界的 Neural Radiance Fields：综述

::: v-pre
> 原文链接：[Neural Radiance Fields for the Real World: A Survey](https://arxiv.org/abs/2501.13104)（arXiv 2501.13104 · 发布日期：2026-08-01）

**Neural Radiance Fields for the Real World: A Survey**

该综述梳理NeRFs在3D场景表示中的理论进展、替代表示、应用挑战，并覆盖重建、计算机视觉、机器人、数据集与工具包。

## 核心要点

- NeRFs可从2D图像重建复杂3D场景，但近期创新、应用与挑战仍缺少系统综述。
- 论文汇编关键理论进展与替代场景表示，并考察NeRFs面临的新兴挑战。
- 综述探索重建应用，强调NeRFs对计算机视觉和机器人领域的影响。
- 论文还回顾相关数据集与工具包，识别文献空白并讨论未来研究方向。

**验证范围与局限**：本文为综述，摘要未描述具体实验验证或真机机器人验证范围。

## 英文摘要 (Abstract)

Neural Radiance Fields (NeRFs) have remodeled 3D scene representation since release. NeRFs can effectively reconstruct complex 3D scenes from 2D images, advancing different fields and applications such as scene understanding, 3D content generation, and robotics. Despite significant research progress, a thorough review of recent innovations, applications, and challenges is lacking. This survey compiles key theoretical advancements and alternative scene representations and investigates emerging challenges. It further explores applications on reconstruction, highlights NeRFs’ impact on computer vision and robotics, and reviews essential datasets and toolkits. By identifying gaps in the literature, this survey discusses open challenges and offers directions for future research.

作者：Wenhui Xiao, Remi Chierchia, Rodrigo Santa Cruz, Xuesong Li, David Ahmedt‐Aristizabal, Olivier Salvado, Clinton Fookes, Léo Lebrat
:::

## 原始参考来源 (Sources)

- [arXiv 2501.13104：Neural Radiance Fields for the Real World: A Survey](https://arxiv.org/abs/2501.13104)