本研究提出了一种新方法，解决机器人在处理关节对象时的几何、纹理及关节连接参数表示问题。通过学习多个场景的共同神经辐射场（NeRF）和基于部件的图像分割，实现隐式空间部件定位，估计关节对象的连通性和关节参数，提升渲染能力。

该研究提出了一种新方法，通过深度数据构建可追踪的关节对象3D模型，涉及变形网格跟踪和运动分割等技术。研究表明，该方法在视频数据集上优于现有技术，并探讨了从RGB视频重建3D姿态的挑战。此外，介绍了实时动态场景重构和无监督学习算法，能够自动分解复杂物体模型，提升3D模型的重建质量。