本文提出了一种从 2D 视觉观察中学习动态 3D 场景模型的方法，结合神经放射场、时间对比学习和自动编码框架，可以学习到视点不变的 3D 感知场景表示，进而实现包括刚体和流体在内的具有挑战性的操作任务的视觉运动控制和未来预测，并支持摄影机视点外训练分布的目标规定，此外，还对不同系统设计进行了详细的改变研究和学习的表示的定性分析。

Jul, 2021

本文提出 3D 动态场景图作为空间感知的统一表示方法，同时基于视觉惯性数据提供第一个全自动 Spatial PerceptIon eNgine (SPIN) automatically 构建 DSG，并且采用最先进的技术实现物体和人物检测及姿态估计，从而在场景分析，动作规划，决策制定等方面具有极大的潜力。

Feb, 2020

本研究提出了一种名为 Sim-to-Real Dense Object Nets (SRDONs) 的密集对象描述符，可实现从虚拟到真实环境的机器人物体识别一致性，并能够映射到一个统一的特征空间。在实验中，我们证明预训练的 SRDONs 可大幅提高各种机器人任务中对未知物体和未知视觉环境的性能表现。

Apr, 2023

提出了一种连续三维结构感知场景表征模型 Scene Representation Networks (SRNs)，能够通过不需要深度或形状信息的二维图像及其相机姿态进行端到端训练， 并在视角合成、少样本重建、形状外插及表现插值等任务中展示出潜力。

Jun, 2019

本研究提出一种采用动态分辨率粒子表示方法，利用图神经网络（GNNs）学习统一的动力学模型，在不同的抽象级别上动态学习和适应表示，以实现效率和效果的最佳平衡，经过模拟和实际场景的综合评估，我们证明了该方法在搜集、分类、重新分配各种实例制成的颗粒物体堆方面的性能明显优于现有的固定分辨率基线。

Jun, 2023

通过使用单个视图，我们提出了一个新的框架来解决动态场景的四维分解问题，并通过密集光线投射强调动态区域的学习，从而克服了单个视图和遮挡带来的挑战，并实现了比现有方法更高保真度的单视图动态场景表示。

Feb, 2024

提出了一种基于连续值嵌入的场景表示方法 —— 连续场景表示（CSR），该方法由一个具有定位能力的机器人在场景中移动并建模物体及其关系组成。在 CSR 中，对象之间的关系被表示为二元组的形式，使得它可以逐渐逐帧地构建对象的图形模型，并且具有良好的解释性。应用于实际数据中的 CSR 不仅能够追踪场景中的对象，还能够实时地检测房间中的配置变化，优于当前最先进的场景表示方法并无需特定培训即可完成具有挑战性的将虚拟物体重排的任务。

Mar, 2022

本文介绍了一种新的方法，通过感知系统提供场景中所有物体的几何和语义信息，同时提供这些物体的可行抓取，以加速机器人操作的复杂度。通过详细的定量分析，我们展示了我们的方法通过在 30 帧 / 秒速度下提供竞争性能，以比较专门用于物体形状、姿态和抓取预测的最新技术方法。

May, 2023

通过建模状态转换的动力学方程、优化编码器以满足状态转换过程并区分状态空间和噪声空间，以及从序列元素频率域和多步预测的角度顺序地建模内在动力学方程关系，我们提出了一种内在动力学特征驱动的序列表示学习方法（DSR），并在视觉任务中展示了出色的表征能力。

May, 2024

本研究提出了一种基于深度学习的模型，用于估计连续 RGB-D 图像之间的场景流，可以将场景分成多个刚体运动的对象，利用编码和解码阶段，得到了像素级目标中心、运动和旋转估计，并在大规模合成和真实数据集上测试了模型性能。

Apr, 2018