本文回顾了 Visual-SLAM 领域中采用基于深度学习等基于数据驱动的方法来解决传统基于几何模型的技术在复杂环境中难以处理的 SLAM 问题的最新进展，并探讨了其面临的挑战和发展机遇。

Sep, 2022

该论文描述了如何支持应用专家在选择和配置适当的算法和适当的硬件编译路径，在 SLAM（同时定位和制图）应用中实现算法交付的工具和方法，包括系统定量评估 SLAM 算法的工具和方法，自动化的机器学习指导算法和实现设计空间的探索，以及用于优化异构、加速架构的端到端模拟工具。

Aug, 2018

介绍了一种使用语义特征的视觉惯性里程计系统 SemanticSLAM，可以在室内环境中进行可靠的相机定位，改善位姿估计并生成语义地图，可用于路径规划、避障和机器人导航等下游任务。

Jan, 2024

本研究提出将探索 ORB 与强化学习方法相结合，通过奖励规则，优化 frontiers 的探测，提高 SLAM 在自主机器人的应用的精度和效率，并使用 Gazebo 进行了实验验证。

Jul, 2023

本文介绍了一种利用 RGB-D 图像序列进行协作式隐式神经同步定位与地图生成（SLAM）系统，该系统包括完整的前端和后端模块，包括里程计、回环检测、子图融合和全局优化。为了在一个统一的框架中实现所有这些模块，我们提出了一种新颖的基于神经元的三维场景表示方法，其中每个点维护一个可学习的神经元特征用于场景编码，并与某个关键帧相关联。此外，我们提出了一种分布式至集中式学习策略，用于改进协作式隐式 SLAM 的一致性和合作性。还提出了一种新颖的全局优化框架，以提高系统精度，类似于传统的束调整。在各种数据集上的实验证明了该方法在相机跟踪和地图生成方面的优越性。

Nov, 2023

关于 Simultaneous Localization and Mapping (SLAM) 的论文综述，介绍了 SLAM 的标准公式化表达和相关工作，探讨了挑战和新领域，并提出了值得深入研究的问题和开放挑战。

Jun, 2016

提出一种新型的 VSLAM 系统 LIFT-SLAM，将基于深度学习的特征描述符与传统基于几何的 VSLAM 相结合，实现在保证鲁棒性的前提下，提高传统 VSLAM 系统的性能，并通过实验证明所提出的方法可实现和当前最先进的技术水平相媲美的性能，并且其对传感器噪声具有鲁棒性。同时，通过避免特定数据集的参数调整，增强了所提出 VSLAM 管线的性能。

Mar, 2021

提出了一种叫 gradSLAM 的方法，将传统的 SLAM 系统转化为可微分的计算图，并融合了表示学习和深度学习技术，让 SLAM 系统具备了梯度反向传播能力，从而更好地进行优化和学习任务。

Oct, 2019

本文提出了一种新的去中心化视觉 SLAM 系统，以数据关联和共同优化为基础，采用只需要传输少量数据的方式来执行去中心化操作，具有线性扩展性和高度压缩的地点表示，并使用先进的去中心化姿态图优化方法。

Oct, 2017

本文提出了一个计算高效、准确的 LiDAR 基于 SLAM 的通用解决方案，主要采用了非迭代两阶段畸变补偿方法、两个匹配模块，并考虑了局部光滑性进行迭代姿态优化，实验结果表明在自主驾驶和仓库自动引导车的定位上表现均相当好，提供了一个性能和计算成本之间很好的平衡。

Jul, 2021