https://mp.weixin.qq.com/s/5dFbWpGX8BeJwNt_MGIv-A
在视觉导航任务中，智能体（机器人）如何有效地存储和利用空间记忆是核心难题。传统的地图表征，如占据栅格图（Occupancy Map）仅包含障碍物信息，缺乏丰富的视觉细节；而语义地图虽然提供了物体类别，但难以进行精细的位姿配准。近年来，神经辐射场（NeRF）展示了惊人的 3D 场景重建能力，但其高昂的计算开销和场景依赖性，使得它在需要实时反馈和泛化能力的移动机器人导航中举步维艰。
首尔国立大学的研究团队提出了 RNR-Map（Renderable Neural Radiance Map）。这是一种新型的视觉导航地图，它将环境的视觉信息以“潜在编码（Latent Codes）”的形式嵌入到二维网格中。这种地图不仅能像传统地图一样指导路径规划，还具备“可渲染”的特性，允许机器人通过比较实时图像与地图渲染图进行高精度定位，且无需对新场景进行额外训练，具有极强的通用性。
