欢迎加入
「易源易彩交流群」
「易源易彩交流群」
QQ扫码进群
（QQ群号：860213912）
注册得好礼
新用户微信注册享20元算力, >立即注册
关注公众号得算力
新用户关注易彩微信公众号享20元算力，
邀请有礼
邀请1人得5元算力，可累计叠加, 查看规则
摘要
本文系统梳理了机器人场景表示技术的发展脉络，涵盖传统几何表征与新兴神经表征两大范式。传统方法包括点云、体素栅格、符号距离函数（SDF）及场景图，侧重结构化与可解释性；而神经表征则以神经辐射场（NeRF）、3D高斯散布模型和3D基础模型为代表，凭借强拟合能力与隐式建模优势，在重建精度与泛化性上持续突破。两类方法正呈现融合趋势，推动机器人在复杂动态环境中的感知、理解与交互能力跃升。
关键词
点云, 体素, SDF, 场景图, NeRF
点云，作为机器人感知世界最原始也最忠实的“视觉手稿”，以海量三维空间中的离散坐标点，勾勒出环境粗粝而真实的轮廓。它不加修饰地记录激光雷达或深度相机捕获的几何瞬态——每一粒点，都是现实投向数字世界的微小回响。其优势在于采集直接、分辨率灵活、无需预设网格结构，尤其适用于实时建图与动态避障等对时效性敏感的任务；然而，这种自由亦伴生着脆弱：点云稀疏时易丢失细节，无序性导致计算冗余，缺乏拓扑关联使其难以支撑高层语义推理。在仓储物流机器人快速穿行于货架林立的狭长通道时，点云是它眨眼间识别障碍物的依靠；但在家庭服务机器人试图理解“沙发左侧的蓝色抱枕”这一指令时，单靠点云便如隔雾观花——它看见形状，却尚未学会命名与关系。正因如此，点云常作为起点，而非终点，在机器人场景理解的漫长跋涉中，它沉默伫立，质朴而不可或缺。
体素栅格将连续三维空间切割为规则排列的立方体“像素”，以布尔值或密度值标记每个体素是否被占据，由此构筑起一座可索引、可遍历的数字骨架。它是机器人导航与路径规划长期信赖的基石——结构规整、内存布局友好、便于卷积操作，让算法得以在确定性的网格世界中稳健推演。然而，这份秩序感背后，是难以回避的代价：分辨率与计算开销呈立方级增长，细粒度建模意味着海量体素，而稀疏场景中又造成大量空置浪费；更关键的是，体素本质是“块状近似”，难以精确表达曲面边界与亚体素尺度的几何细节。当清洁机器人需沿踢脚线边缘低空贴边行进时，体素栅格可能将其判定为“不可通行”的实心墙——不是它不够努力，而是它的语言，天生缺乏对连续边界的细腻描述力。
符号距离函数（SDF）以一种近乎诗意的数学简洁性，重新定义了空间的存在方式：对任意一点，SDF输出其到最近物体表面的带符号欧氏距离——正值在外部，负值在内部，零值即为表面本身。这一隐式表达摒弃了显式网格或点集的束缚，天然具备无限分辨率与光滑连续性，使机器人得以在微分意义上“触摸”环境的曲率与法向，为高精度抓取、柔性碰撞检测与物理仿真提供坚实基础。其优雅源于数学，其挑战亦源于数学：SDF通常需通过神经网络参数化拟合，训练依赖密集采样与复杂损失设计，且难以直接编码语义或处理动态变化。它像一位沉静的几何哲人，用距离丈量世界，却需借助更强的表征伙伴，才能将“这是什么”与“它如何变化”的答案一并道出。
场景图悄然架起了一座桥——一端锚定于点云的坐标、体素的占据状态或SDF的隐式表面，另一端则伸向人类认知的逻辑疆域：节点代表物体（如“桌子”“杯子”），边标注关系（如“位于上方”“属于”“被遮挡”）。它不再满足于“哪里有东西”，而执着追问“那是什么？它和别的东西怎样联结？”这种结构化表达，使机器人首次能以接近人类的方式解析场景：理解“厨房操作台上的咖啡机旁放着一只空杯子”，进而推断“用户可能刚结束饮用”。场景图赋予几何以意义，让冰冷的数据流涌动起叙事的温度；但它亦高度依赖前端感知的准确性与语义分割的鲁棒性——若连“杯子”都未能识别，再精巧的关系网络，也不过是空中楼阁。在机器人真正读懂人类生活之前，场景图，正是它学习凝视、命名与联想的第一本语法书。
神经辐射场（NeRF）宛如一位在暗室中凭记忆作画的匠人——它不依赖显式的几何 scaffolding，而是让一个多层感知机在连续三维空间中“学会发光”：给定任意空间坐标与观察方向，网络即刻输出该点处的颜色与体积密度。这种隐式、可微、端到端的建模方式，彻底绕开了传统表示对离散化或拓扑预设的依赖。当机器人面对古建飞檐的镂空雕花、雨后玻璃幕墙的折射涟漪，抑或晨光中浮动的微尘粒子，NeRF能以亚毫米级一致性重建其光学本质，将“看见”升维为“理解光如何存在”。它不存储点、不划分体素、不拟合距离场，却在参数空间里悄然编织出比现实更连贯的视觉宇宙。然而，这份诗意的稠密背后，是漫长的训练等待、高昂的推理延迟，以及对静态场景的执念——它擅长凝固时间，却尚未自如地呼吸变化。正因如此，NeRF不是终点，而是一声清越的钟鸣：它昭示着，机器对世界的表征，终于开始用连续性与可导性，向物理世界本身致敬。
3D高斯散布模型将场景解构为成千上万个可学习的三维椭球体——每个高斯元既是位置锚点，也是颜色、透明度与尺度的概率信标。它不再追问“表面在哪”，而是轻声发问：“光最可能从哪里来？以何种姿态弥散？”这种基于概率分布的显式-隐式混合表达，如一场精密编排的粒子之舞：高斯元可旋转、可缩放、可自适应密度，在保证渲染速度的同时，大幅缓解NeRF对内存与算力的苛求。当仓储机器人需在毫秒级内重绘叉车驶过时货架阴影的微妙迁移，或手术辅助机器人须实时更新器械与软组织交界处的半透明过渡，3D高斯散布模型以可微分的几何柔韧性，让“动态重建”第一次具备了工程落地的体温。它不追求数学上的无限光滑，却以统计直觉拥抱真实世界的模糊性与不确定性——在这里，确定性不再是真理的唯一刻度，而概率，成了机器感知世界时，最谦卑也最务实的语言。
3D基础模型正尝试回答一个更宏大的命题：能否让机器人拥有一套“通用三维语义词典”？它不再为单一任务定制表征，而是通过海量跨模态数据（文本-图像-3D扫描）的联合预训练，习得物体形状、材质、功能乃至社会语境的联合嵌入空间。一个被标注为“宜家POÄNG扶手椅”的3D高斯集合，不仅承载几何轮廓，还悄然关联着“可坐”“轻便”“北欧风”“需组装”等多维语义向量。这种泛化能力，使机器人首次能在未见过的客厅中，仅凭用户一句“把那个像云朵一样的软垫挪到窗边”，便完成跨类别识别与空间推理。3D基础模型尚在襁褓，其规模、效率与可解释性仍是挑战；但它所指向的方向无比清晰——从“建模环境”走向“理解世界”，从“执行指令”走向“共情意图”。这不仅是技术的跃迁，更是机器人认知疆域的一次静默拓荒。
当NeRF的连续性遇见点云的实时性，当3D高斯的显式可控性嫁接于SDF的微分友好性，当体素栅格的结构规整性为场景图提供可索引的空间底座——融合，已非权宜之计，而是必然路径。现实中，无人配送车在暴雨中穿行，前端激光雷达持续馈入稀疏点云以保障毫秒级避障；中层体素地图实时更新通行区域；而后端NeRF-SDF联合隐式场则默默优化局部表面细节，支撑机械臂在湿滑路面上精准投放包裹。这种分层协同，既规避了纯神经方法的黑箱风险，又弥补了传统方法在语义与细节上的先天不足。融合不是折中，而是让每种表征回归其本质优势：点云是触觉，体素是骨骼，SDF是肌肤，场景图是语言，NeRF是目光，3D高斯是呼吸，3D基础模型则是记忆与联想——它们共同织就一张有温度、有逻辑、有应变力的三维认知之网。在这张网中，机器人终于不再只是“感知环境”，而开始真正“栖居于世界”。
机器人场景表示技术正经历从显式几何建模向隐式神经表征、再向多范式融合演进的深刻变革。点云、体素栅格、符号距离函数（SDF）与场景图等传统方法，以结构清晰、可解释性强、计算可控为优势，奠定了感知与规划的坚实基础；而神经辐射场（NeRF）、3D高斯散布模型和3D基础模型等新兴神经表征，则凭借连续性、可微性与语义泛化能力，在重建质量、动态适应与高层理解上实现突破。两类范式并非替代关系，而是呈现出显著的互补性与协同趋势：前者提供鲁棒性与实时性保障，后者注入表达力与智能性潜能。未来的发展路径，将愈发聚焦于如何在效率、精度、语义与动态性之间取得系统级平衡，推动机器人真正具备对物理世界的具身化理解与自然化交互能力。