Simultaneous localization and mapping
PulseAugur coverage of Simultaneous localization and mapping — every cluster mentioning Simultaneous localization and mapping across labs, papers, and developer communities, ranked by signal.
9 天有情绪数据
-
新的SLAM框架利用深度学习和语义改进数据关联
研究人员开发了一个新的同时定位与地图构建（SLAM）框架，解决了长期存在的数据关联挑战。这种新颖的方法利用深度学习和语义信息，例如对象类别标签和来自视觉基础模型的特征向量，来提高准确性和效率。该框架联合估计数据关联、机器人姿态、路标位置和路标语义，为路标数量估计提供了一种原则性的方法，并在合成和真实世界数据集上都展示了卓越的性能。
-
GLAM-SLAM: 实时高斯SLAM用于大规模场景
研究人员开发了GLAM-SLAM，一种使用高斯泼溅（Gaussian splatting）进行大规模单目同步定位与建图（SLAM）的新型实时系统。该系统通过采用解耦方法，结合用于跟踪的基于特征的SLAM前端和用于建图的结构化锚点网格，解决了现有方法的局限性，从而实现了长序列的可扩展性和场景连贯性。GLAM-SLAM引入了基于几何的流致密化策略进行密集初始化，以及一种带有MLP初始化的场景划分方法进行局部高斯生成，在具有挑战性的数据集上…
-
DINO-SLAM 增强了 SLAM 系统中的神经表示
研究人员开发了 DINO-SLAM，一种将 DINO 特征集成到同时定位与地图构建 (SLAM) 系统中的新方法。该方法旨在通过利用 DINO 的语义理解来改进隐式 (NeRF) 和显式 (Gaussian Splatting) 表示。为了解决 DINO 在 3D 几何理解方面的局限性，该系统采用场景几何编码器来创建具有几何感知的 DINO 特征，从而增强对空间关系的理解。与现有的最先进方法相比，DINO-SLAM 在 Replica…
-
LEGO-SLAM 将语言融入机器人三维地图构建
研究人员开发了 LEGO-SLAM，一个将语言理解集成到三维高斯溅射（3DGS）中的新框架，用于同步定位与地图构建（SLAM）系统。该系统使机器人能够构建具有开放词汇语义理解能力的光写实地图，从而更好地与环境交互。一项关键创新是场景自适应自动编码器，它将高维语言嵌入压缩到紧凑的 16 维空间，减少了内存和渲染开销。这种方法还有助于实现基于语言的剪枝策略，可在保持视觉质量的同时将地图的高斯数量减少高达 58%。此外，LEGO-SLAM …
-
AnythingReality 集成高斯溅射、SLAM 和 VLM 以实现交互式 VR
研究人员开发了 AnythingReality，这是一个将 3D 高斯溅射与同步定位与地图构建 (SLAM) 集成到虚拟现实 (VR) 环境中的新颖系统。该系统通过利用 ORB-SLAM3 进行姿态估计，从嘈杂的真实世界数据中实现场景的实时重建，从而增强了 VR 探索。此外，它还集成了视觉语言模型 (VLM)，支持语音驱动的交互，允许用户发出语音命令、生成场景描述和标记兴趣点，VLM 对象识别率达到 88%。
-
Track2Map系统增强机器人手术中的3D重建
研究人员开发了Track2Map，一种用于机器人手术中3D重建的新型在线系统。该方法利用高斯溅射直接从手术视频中联合优化相机轨迹和场景表示，克服了依赖精确相机轨迹先验的离线管道的局限性。Track2Map设计为即使在先验缺失或嘈杂的情况下也能保持鲁棒性，充当同步定位与地图构建（SLAM）系统。它包含一个基于轨迹锚定的形变初始化，并利用轨迹统计数据区分相机运动和组织形变，从而提高重建质量和相机轨迹精度。
-
新的SLAM框架增强了终身视觉定位
研究人员推出了一种用于终身部署的视觉定位（VPR）新框架SLAM。该系统解决了在不丢失先前学习信息的情况下持续适应新环境的挑战。SLAM将不确定性感知平滑、使用高斯混合模型（GMM）的拓扑空间划分以及$H_ infty$鲁棒边界优化整合到一个统一的分析递归中。消融研究表明，特定配置实现了最先进的27.5%标称精度，而完整框架提供了数学保证的minimax鲁棒边界。
-
图神经网络自动生成用于机器人导航的空间概念
研究人员开发了一种新方法，使用图神经网络自动生成3D场景图中的高层空间概念。该方法无需手动启发式方法来识别房间和墙壁等概念，而是从几何观察中在线推断它们。该系统将这些推断出的概念作为可优化因素集成到SLAM后端，从而提高了模拟和真实环境中房间检测和轨迹估计的准确性。
-
新的 J-LAW 框架融合定位与世界建模，以增强 AI 规划
研究人员推出 J-LAW，一种新颖的方法，可联合优化度量对象姿态和潜在世界状态，以改进规划和定位。该耦合因子图框架整合了经典的同步定位与地图构建 (SLAM) 和条件动作世界模型，解决了各自的局限性。在真实数据集上的实验表明，J-LAW 显著降低了预测误差和轨迹漂移，从而生成了一个既是度量的又是可用于规划的地图。
-
新的LiDAR超分辨率模型提升SLAM精度
研究人员开发了一种新的基于深度展开的超分辨率模型，旨在增强低分辨率LiDAR传感器在即时定位与地图构建（SLAM）应用中的性能。该模型包含一个离群点移除模块，以保持结构完整性并实现实时性能。在LiDAR SLAM框架内进行评估，所提出的方法与现有的超分辨率技术相比，在姿态估计精度和效率方面表现出显著的改进。
-
新的SLAM技术增强了动态和大规模环境下的3D高斯映射
研究人员开发了使用3D高斯泼溅（3D Gaussian Splatting）改进同步定位与地图构建（SLAM）的新方法。其中一种方法MoPe引入了“运动持久性”（Motion Permanence），通过考虑动态对象的运动历史来更好地处理单目SLAM中的动态对象，减少鬼影伪影。另一个系统KiloGS-SLAM通过增强位姿跟踪的鲁棒性并优化大规模地图构建的内存使用，解决了将单目3D高斯SLAM扩展到公里级室外环境的挑战。
-
OrthoTrack系统利用正射影像估计无人机轨迹
研究人员开发了OrthoTrack，一种新颖的系统，用于估计无人机（UAV）的连续6自由度轨迹，而无需依赖GPS或事后对齐。这种无需训练的方法利用公开的正射影像和表面模型作为先验地图。OrthoTrack通过将关键帧锚定到地图数据并使用光流传播对应关系，在单个GPU上实现了实时性能，并显著优于现有方法。
-
香港大学MaRS实验室凭借FAST-LIVO2系统荣获顶级机器人论文奖 · 跟踪1个来源
香港大学MaRS实验室的研究人员凭借其FAST-LIVO2系统获得了享有盛誉的IEEE Transactions on Robotics (TRO) King-Sun Fu Memorial Best Paper Award。该系统通过融合激光雷达、摄像头和惯性测量单元（IMU）的数据来增强机器人导航和感知能力，在复杂环境中提供更高的准确性和实时性能。这项由第一作者郑春然和通讯作者张福教授领导的研究，也通过在GitHub上开源，获得了…
-
Pocket-SLAM 解决了 3DGS-SLAM 在自动驾驶中的内存限制问题
研究人员开发了 Pocket-SLAM，一种提高 3D 高斯泼溅同步定位与地图构建 (SLAM) 内存效率的新方法。该方法解决了大规模场景中高斯点累积导致内存消耗过高的问题。通过根据高斯点对渲染区域的贡献进行选择性剪枝，Pocket-SLAM 在不影响精度的前提下显著降低了内存占用并提高了处理速度。该方法有望应用于自动驾驶等实际场景。
-
离线RL框架优化仓库吞吐量控制 · 已追踪2个来源
研究人员开发了一个新的框架，使用离线强化学习（RL）来优化仓库运营的吞吐量控制。该系统通过智能管理节流来动态调整设置，以平衡最大化吞吐量与维持下游稳定性。该方法结合了历史信息的状态表示和用于延迟影响的动作空间抽象，以及一个考虑上游和下游指标的奖励函数。实证结果显示，使用CQL策略可将系统健康度提高22.97%，平均节流持续时间减少3.18%。
-
Azzi Fudd 加入 Project B，一个旨在全球称霸的国际篮球联赛
由前 Facebook 和 Skype 高管创立的国际篮球联赛 Project B，正致力于成为一项全球性运动。该联赛计划在六个城市以一级方程式赛车的风格进行首秀，届时将有男女球员参赛，重点是利用未充分使用的场馆并为球员提供股权。明星球员 Azzi Fudd 已加入 Project B，她表示此举是为了拓宽国际经验和拓展海外品牌，这与前几代球员的休赛期打法截然不同。
-
研究发现，四足机器人的 SLAM 性能取决于传感器选择
一篇新的研究论文系统地评估了不同的传感器配置如何影响四足机器人的同步定位与地图构建（SLAM）性能。该研究使用 GrandTour 数据集在 ANYmal D 机器人上进行，发现立体摄像头设置优于单目和 RGB-D 配置。此外，与滚动快门摄像头相比，全局快门摄像头显著减少了由运动引起的跟踪失败。研究还强调，在动态腿式运动场景中，标准的惯性集成有时会阻碍以视觉为中心的 SLAM 系统的性能。
-
DiskChunGS通过磁盘内存管理实现大规模3D高斯SLAM
研究人员开发了DiskChunGS，一个新颖的3D高斯泼溅SLAM系统，旨在克服大规模3D重建的GPU内存限制。通过采用out-of-core方法，该系统将非活动场景部分存储在磁盘上，同时将活动区域保留在GPU内存中。该方法与现有的SLAM框架集成，用于姿态估计和回环检测，从而实现以前受硬件限制的一致性、大规模重建。
-
上海交通大学在动态、可变形环境中推进SLAM技术
上海交通大学王贺升教授领导的研究团队正在将同步定位与地图构建（SLAM）技术从静态环境推向更广阔的领域。他们的工作重点是使机器人能够导航和理解动态、语义和可变形的空间，这对于自动驾驶和手术机器人等应用至关重要。该团队开发了多模态传感器融合、动态高斯SLAM以及可变形物体建模等技术，旨在赋予机器人长期记忆和推理能力，以实现更智能的导航。
-
ICRA 2026 开幕，聚焦老鼠外骨骼、VLA 辩论及 28 篇新论文
2026 年国际机器人与自动化大会（ICRA）在维也纳拉开帷幕，汇聚了 8000 多名学者。首日，用于神经康复的老鼠外骨骼吸引了大量关注和互动。关于机器人学习的技术路线分歧，特别是强化学习与行为克隆的对比，也引发了激烈的讨论。此外，触觉感知、视觉-语言-动作（VLA）控制以及同时定位与地图构建（SLAM）领域的最新进展也发表了大量论文。