免高质量数据
用NeRF重建透明物体三维信息，结合形状先验补全缺失部分，实现杂乱场景下的高质量抓取预测。
Yi, Han · Zixin, Lin · 78989758 · Lvping, Chen · Shi, Yongliang · Ma, Gan
2025
传统机器学习方法依赖高质量数据集，而该方法利用NeRF连续建模空间不透明度，降低了对数据质量的要求。
针对重建中可能缺失的部分，引入形状先验驱动的补全机制，结合几何位姿估计，获得完整可靠的三维信息。
实验验证表明，该架构能在杂乱场景中可靠捕获多种透明物体的三维信息，并实现高质量、稳定且可执行的抓取预测。