技术不是线性进步的，每一次代际更替都源于前一代在**某个具体场景下的失效**。下面每条链都标出了"谁失效了、为什么、谁解决了"。
g2o(2011) 与 GraphSLAM 把问题重述成稀疏图优化，利用稀疏性把复杂度压到近线性。
代价失去滤波的增量性，需要重优化。| 系统 | 后端 | 地图数据结构 | 是否提特征 | 决定性差异 |
|---|---|---|---|---|
| LeGO-LOAM | 两步 LM | 点云特征图 | 是（边/面） | 地面优化 + 分割滤噪，主打轻量嵌入式 |
| LIO-SAM | 因子图 | 局部子关键帧 | 是 | 多因子融合 + 局部配准而非全局 |
| FAST-LIO2 | 迭代 EKF | ikd-Tree | 否 | 直接配原始点 + 增量 k-d 树 |
| Faster-LIO | 迭代 EKF | iVox | 否 | 并行近似 kNN，1000–2000 Hz |
| Point-LIO | 迭代 EKF | 逐点 | 否 | 点在采样时刻即融合，无帧内畸变 |
| KISS-ICP | 优化 | 体素下采样点云 | 否 | 不用 IMU，极简且跨雷达免调参 |
| iG-LIO | 迭代 EKF | 增量体素 | 否 | GICP 与惯性约束统一在 MAP 框架 |
| LOG-LIO | 迭代 EKF | 体素 + 面片 | 否 | Ring FALS 法向估计 + 分层关联 |
| 范式 | 代表 | 核心机制 | 失效场景 |
|---|---|---|---|
| 特征法 | MonoSLAM / PTAM / ORB-SLAM 族 | ORB-SLAM 用同一套特征点服务跟踪、建图、重定位、回环四件事；PTAM 把跟踪与建图拆到两个并行线程 | 弱纹理、低光照、运动模糊 |
| 直接法 | LSD-SLAM / DSO | DSO 用光度误差替代重投影误差，把相机几何标定与光度标定（曝光、渐晕、响应函数）一起联合优化；放弃平滑先验、改为图像上均匀采样，从而能利用边缘甚至无纹理墙面 | 光照剧变、大基线 |
| 半直接法 | SVO | 稀疏对齐求位姿 + 概率式建图（对离群测量鲁棒），面向 MAV 的轻量高速 | 需要较好的初始位姿 |
SuperGlue 用 GNN + 可微最优传输联合求解两组局部特征的匹配，并能拒绝不可匹配点——基于注意力的上下文聚合让它能联合推理 3D 场景与特征分配。
LightGlue 重新审视 SuperGlue 的多个设计决策并给出简单有效的改进，最关键的性質是自适应：容易匹配的图像对（重叠大、外观变化小）推理明显更快；内存与计算都更省。
LoFTR 换了个思路——不做检测器：先在粗层建立逐像素稠密匹配，再在细层精化，用 Transformer 的自注意力与交叉注意力获得特征。
DBoW2（2012）用二进制词袋做快速场景识别，是 ORB-SLAM 系列回环的技术基础。
Scan Context（2018）不做直方图、不依赖训练，直接记录可见空间的三维结构，对视角变化（反向重访、转角）不变；Scan Context++（2022）进一步做到对横向偏移也鲁棒——这针对的是城市环境中不可避免的车道级变化。
LCDNet（2022）同时做地点识别与 6-DoF 相对位姿估计，用非平衡最优传输（UOT）的可微相对位姿头，并在反向回环这个难点上大幅领先。
LCR-Net（2024）把回环与重定位统一到一个框架，用位姿感知注意力，不依赖耗时的鲁棒位姿估计器。
DeepVO（2017）首次证明单目 VO 可以端到端做——直接从 RGB 估计位姿，无需先验知识或参数来恢复绝对尺度。
UnDeepVO（2018）用无监督方式，训练时借助立体像对获得绝对尺度的位姿与稠密深度。
DROID-SLAM（2021）是转折点：通过 Dense Bundle Adjustment 层对相机位姿与逐像素深度做循环迭代更新，精度大幅提升且灾难性失败显著减少。
DPVO（2023）把稠密光流换成跟踪图像块的循环网络架构，在保持精度的同时大幅降低计算量。
DUSt3R（2024）提出 pointmap 表示——网络预测规范坐标系下的 3D 形状，同时保留像素与场景的隐式关系，从而统一了单目与双目 3D 重建，且不需要标定与位姿。
MASt3R-SLAM（2025）是首个以双视图 3D 重建先验为基础的实时 SLAM：做 pointmap 匹配、跟踪与局部融合、图构建与回环、二阶全局优化，并能处理通用且随时间变化的相机模型。
SLAM3R（2024）用前馈网络直接从 RGB 视频预测统一坐标系下的 3D pointmap。
DINOv2 / SAM 则作为特征与分割的基础模型被下游 SLAM 直接调用（如 WildGS-SLAM 用 DINOv2 做动态不确定性）。
| 系统 | 架构 | 决定性差异 |
|---|---|---|
| Multi-UAV-SLAM 2017 | 集中式（一台中央服务器 + 多智能体，无线通信） | 协同 SLAM 的早期架构原型 |
| DOOR-SLAM 2020 | 完全分布式 | 用分布式两两一致测量集最大化（PCM）剔除机间伪回环——因为不怕异常了，就可以用更激进的参数而不牺牲召回；只靠点对点通信，前端不交换原始传感器数据 |
| COVINS 2021 | 集中式 | 面向多智能体 + 多用户 AR 的大规模协同 VI SLAM |
| Kimera-Multi 2022 | 完全分布式 | 用分布式渐进非凸（GNC）做鲁棒位姿图优化，能识别并拒绝由感知歧义导致的机间与机内错误回环；输出全局一致的度量-语义 3D 网格 |
| LAMP 2.0 2022 | 集中式 | DARPA 地下挑战赛 Team CoSTAR 方案：可适配不同里程计源的单机前端接口 + 可扩展多机前端 + 鲁棒多机后端；回环检测模块能处理并优先排序迅速增长的候选 |
| DiSCo-SLAM 2022 | 分布式 | 首个把轻量 Scan Context 描述子用于多机 SLAM，实现数据高效的机间观测交换；两阶段（全局+局部）优化以应对未知初始条件 |
| Swarm-SLAM 2024 | 去中心化 | 四性质：可扩展 / 灵活 / 去中心化 / 稀疏；邻机管理模块持续跟踪谁在通信范围内、已交换过什么数据；机间回环优先级排序降低通信量、加速收敛；ROS 2 实现在五个数据集 + 三个 ad-hoc 网络实测 |
| D²SLAM 2024 | 去中心化分布式 | 面向空中集群：区分近场估计（近距精确相对状态）与远场估计（一致的全局轨迹）；前端同时支持立体与全向相机以应对空中视场挑战；分布式优化在网络延迟下仍保持扩展性与韧性 |
| DCL-SLAM 2024 | 完全分布式 | 前端无关（front-end agnostic），可快速迁移到不同激光雷达/平台/场景；机间回环用三级通信流水线做到数据高效 |
把空间切成体素，每个体素存"到最近表面的带符号距离"，只保留表面附近一定范围内的值（截断）。KinectFusion 用它把所有深度流融合成单一全局隐式表面。优点是融合简单、能抗噪；缺点是内存随场景体积线性增长。
FAST-LIO2 提出的动态数据结构。相比 octree / R*-tree / nanoflann k-d tree，它同时支持增量插入、删除、树上下采样和动态重平衡，且整体性能更优。它解决的是"地图要能边建边改"这个实时 SLAM 的刚需。
InstantNGP 提出的多分辨率哈希网格编码：把空间按多个分辨率切格，用哈希表存特征，从而用极小的网络获得高频细节，把 NeRF 训练从小时级压到秒级。Co-SLAM 把它与 one-blob 编码结合用于 SLAM。
把两帧之间的大量 IMU 测量预先积分成一个"相对运动约束"，从而不必把每个 IMU 采样都放进优化。难点在旋转处于流形（非欧氏空间）上，直接积分会有误差。On-Manifold Preintegration（2017）给出了正确的流形处理与解析雅可比——这是现代 VIO 的地基。
滑动窗口优化需要丢掉旧状态（边缘化）以控制规模，但边缘化不可逆且会固定线性化点。VI-DSO 提出动态边缘化以适应变量剧烈变化；DM-VIO 提出延迟边缘化——维护第二个图、延迟边缘化，从而能在需要时用新线性化点重建先验。
神经 SLAM 的核心难题是漂移导致地图扭曲。刚性网格类表示修正代价高。PIN-SLAM 用弹性可形变的神经点——回环时神经点随全局位姿调整一起形变，从而高效得到全局一致地图；Loopy-SLAM 用点基 submap + 位姿图刚性对齐达到类似目的。
误差状态迭代卡尔曼滤波。难点是 LiDAR 与图像的测量维度差异很大，直接一起更新在数值上不好处理。FAST-LIVO2 用序贯更新——把不同传感器的测量按顺序逐个更新，从而把两者放进同一个滤波框架。FAST-LIO2 也用 IESKF，并对运动畸变做形式化反向传播补偿。
DUSt3R 提出：网络直接预测规范坐标系下的 3D 点图，同时保留"每个像素对应场景中哪个 3D 点"这一隐式关系。好处是统一了单目与双目重建，且不需要相机标定和初始位姿。MASt3R-SLAM 把它作为先验用于实时 SLAM。