该论文提出了一种通过符号化同时定位与建图（SymboSLAM）来解决环境类型分类问题的新方法，以弥补人机交互空间中解决方案透明性被忽视的领域。通过对环境中的特征进行本体推理，我们的分类方法能够合成环境的上下文，并通过带有语义标记的地标和特征的占据地图为操作员提供可解释性的模型。我们使用坎培拉地区的真实地图进行了方法有效性的评估，通过模拟和实际试验对系统进行了评估。

Mar, 2024

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

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

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

本文探讨了语言输入与机器人导航系统的整合，借助符号互操作假设来连接符号认知和体验性认知的鸿沟。我们研究了将语言和语义融入神经网络和同时定位与映射方法的先前工作，突出展示了这些整合如何推进了该领域的发展。通过将抽象符号处理与感知动作基础相对比，我们提出了一个统一的框架，其中语言既作为一个抽象的交际系统，又作为感知经验的基础性表示。我们对分布语义认知模型及其应用于自主代理的审查强调了语言整合系统的转变潜力。

Apr, 2024

本文提出了一种综合的基于物品的感知和基于物品的机器人任务的物体 SLAM 框架，专注于解决 SLAM 中的数据关联、物体表示和语义地图问题，并通过公开数据集和真实世界结果对其性能进行了评估。

May, 2023

在大规模、未知和复杂的地下环境中进行同时定位和地图构建（SLAM）是一个具有挑战性的问题。本文在 DARPA Subterranean Challenge 的背景下，实施和测试了一种基于激光雷达的多机器人 SLAM 系统，包括准确的激光雷达前端和自动排除异常闭环的灵活和强健后端。在具有挑战性的地下环境中进行了大规模的评估并讨论了未来的研究方向。

Mar, 2020

本文综述了基于事件相机的 vSLAM 算法，介绍了事件相机及其预处理的事件数据的各种事件表示方法，并将基于事件相机的 vSLAM 方法分为四类，包括基于特征的、基于直接法的、基于运动补偿的和深度学习的方法，并对每种方法进行了详细的讨论和实用指导。此外，该文对各类方法在不同基准测试中的表现进行了评估，突出了当前这一新兴研究领域面临的挑战和未来的机遇。

Apr, 2023

本研究提出了一种新的自我监督的 SLAM（iSLAM）框架，通过前后端之间的互补纠正，大幅提高了系统的泛化能力，实现了高达 45% 的精度提升。这是第一个自我监督的 SLAM 系统，表明前端和后端可以共同学习，在不需要外部监督的情况下相互促进。

Jun, 2023

在工厂大厅这样的复杂环境中，利用四个立体摄像头和一个三维激光扫描仪，应用最先进的激光雷达和视觉 SLAM 方法，进行数据收集、轨迹估计和密集地图生成，并生成精确的深度图用于自动建筑和现场监测。

Apr, 2024