本文综述基于学习的机器人路径规划方法。NNPP从最优路径示范中学习地图语义与表示，生成像素级概率分布，并结合坡度、粗糙度和高度差计算遍历成本，显著缩短最优路径搜索时间，且地图越大优势越明显。MPNet学习近似最优启发式，结合采样规划器并支持主动连续学习。其他方法包括OracleNet、GP3Net、PathNet、PI-Net、神经元A*及NavNets，分别用于端到端轨迹生成、自动驾驶决策、参数复用、动态与成本学习及部分可观测导航。

NeuralRecon是一种新型框架，可以实时从单目视频中重建3D场景。该系统采用基于学习的TSDF融合模块，通过神经网络直接逐个重建局部表面，实现高精度、连贯和实时的表面重建。实验结果表明，该系统在准确性和速度方面优于现有方法。这是首个能够在实时情况下重建连贯稠密3D几何模型的基于学习的系统。