ความสำเร็จของหุ่นยนต์อัตโนมัติในห้องปฏิบัติการขึ้นอยู่กับความสามารถในการสร้างภาพ 3 มิติจากกล้องได้อย่างรวดเร็วและแม่นยำ งานวิจัยนี้จึงทำการทดสอบเชิงระบบ (Benchmark) ของเทคนิค Neural 3D Reconstruction ยอดนิยมอย่าง NeRF และ 3D Gaussian Splatting บนฮาร์ดแวร์ตั้งแต่อุปกรณ์บอร์ดเดี่ยว (Single-board computer) ไปจนถึงเซิร์ฟเวอร์ประสิทธิภาพสูง
ผลการศึกษาพบว่า Gaussian Splatting ให้คุณภาพการแสดงผลที่ดีกว่า NeRF แต่ต้องการทรัพยากร GPU ที่สูงกว่า ขณะที่การประมวลผลบนตัวหุ่นยนต์โดยตรง (Onboard compute) ยังไม่เพียงพอสำหรับการปรับแต่งค่าแบบเรียลไทม์ นอกจากนี้ยังพบว่าโมเดล SAM3D แม้จะทำงานได้เร็วแต่ยังขาดความละเอียดที่จำเป็นต่อการหยิบจับวัตถุ งานวิจัยนี้จึงเสนอให้ใช้ระบบแบบ Tiered pipeline ที่ผสมผสานระหว่างการประมวลผลน้ำหนักเบาบนตัวหุ่นยนต์และการประมวลผลหนักบนเซิร์ฟเวอร์แยกต่างหาก
