基于知识蒸馏的NeRF SLAM模型轻量化研究

来源：机器人杂志2026年第1期北京时间：

作者：王红星, 罗子杰, 吴欢娣, 曹雏清, 徐劲松, 刘国满, 邓少波, 叶展

摘要：神经辐射场（NeRF）在高质量3维场景重建方面具有巨大潜力，但其高计算复杂度、数据需求和存储限制使其在实际应用中面临诸多挑战。为了解决这一问题，提出了一种结合知识蒸馏的改进NeRF SLAM系统。通过引入知识蒸馏技术，以实现快速且高效的训练。实验结果表明，与原始NeRF模型相比，本文的系统在重建精度上使点云准确性提升18.21%、重建点云完整度提升14.86%，完成率提升14.09%，在重建效率上使得总FLOP（浮点运算次数）值下降了35.52%，在保持重建精度的同时，显著减少了训练时间和计算资源消耗。本研究不仅为NeRF SLAM系统的优化提供了新的思路，也为知识蒸馏在3维视觉领域的应用探索了新的途径。

关键词：NeRF(神经辐射场), SLAM(同步定位与地图构建), 知识蒸馏, 3维场景重建, 训练优化