SLAM 技术发展路线梳理（基于 58 篇精选论文语料库）

语料来源：IEEE Xplore 顶刊顶会（T-RO / RA-L / T-IM / T-ITS / TVCG / CVPR / ICCV / IROS / ICRA 等）， 经机构订阅权限下载并经 MinerU 转为 Markdown 精读。 时间窗：以 2022–2026 前沿 为主轴，另补 18 篇奠基性经典（2017–2021） 作为时间轴锚点。 生成时间：2026-09-15

〇、怎么用这份材料

• 本地已建好完整语料库：papers/（58 篇 PDF）、md/（58 篇 Markdown 全文）、md/_digest.md（阅读索引）。
• 想深挖任何一篇，直接说论文简称即可（如"FAST-LIO2 的 ikd-Tree 怎么重平衡"），我可以从原文里定位到具体章节和公式。
• 下文用 ★ 标注语料库里的核心论文，可直接对照原文。

一、总览：过去十年 SLAM 发生的五次范式迁移

如果把 SLAM 拆成"表示（世界怎么存）— 前端（怎么算相对运动）— 后端（怎么消漂移）— 传感器（靠什么感知）"四个维度，那么近十年的演进可以浓缩为下面五条迁移线：

有一个反直觉但很重要的观察："更复杂"并不总等于"更好"。KISS-ICP ★（2023 RA-L）几乎把激光里程计的所有工程复杂性都删掉——只留点对点 ICP + 自适应对应阈值 + 鲁棒核 + 简单运动补偿——却能在多种平台、多种雷达上用同一套参数达到 SOTA 水平（KITTI 上的平移误差 0.67%）。它和 FAST-LIO2 ★ 的"直接配准原始点、不做特征提取"一起，构成了对本领域"过度工程化"的一次有力纠偏。

二、主线一：视觉 SLAM —— 特征法、直接法、半直接法三足鼎立

2.1 特征法：可解释、可开源、可复现

ORB-SLAM2 ★（2017 T-RO） 是这一路线的完成态：单目/双目/RGB-D 三合一，ORB 特征点 + 词袋回环 + 重定位 + 局部 BA，在 29 个公开序列上达到当时最高精度，并且开源成为领域事实标准。

它定义了后续几乎所有视觉 SLAM 论文的"评测基线"和"功能清单"：跟踪、局部建图、回环、重定位四个线程的架构，至今仍是工程实现的模板。

它的局限也定义了后来的研究方向：稀疏特征点对弱纹理、低光照、运动模糊极不友好；地图只是特征点云，无法直接用于导航避障；且完全没有尺度信息（单目）。

2.2 直接法：绕开特征，直接用像素强度

DSO ★（2018 T-RO） 是直接法的巅峰之作。它用光度误差替代重投影误差，把相机几何标定和光度标定（曝光时间、镜头渐晕、非线性响应）一起联合优化，并在滑窗内对所有参数做一致性联合优化。

它的关键技术选择很值得玩味：放弃平滑先验，改为在图像上均匀采样像素。这样它就能利用边缘、甚至无纹理墙壁上的平滑强度变化——正是特征法失效的地方。

DM-VIO ★（2022 RA-L） 是这条线在近年的重要突破，解决的是滑动窗口优化的一个根本痛点：边缘化（marginalization）不可逆且会固定线性化点。它提出 延迟边缘化（delayed marginalization）——维护第二个图，延迟边缘化，从而能在需要时重新推进这个图、用新的线性化点重建先验；进而把 IMU 信息注入已边缘化的状态，用于 位姿图 BA 做 IMU 初始化，能捕获完整的光度不确定性，显著改善尺度估计。

2.3 视觉惯性 VIO：尺度从哪来、怎么初始化

单目 SLAM 的尺度不可观测，这是把 IMU 引入的根本动机。但 IMU 初始化本身又是个鸡生蛋问题。

VINS-Mono ★（2018 T-RO） 给出了至今被广泛沿用的答案：先做纯视觉 SfM 滑窗恢复结构，再做视觉-惯性对齐恢复尺度、重力方向、速度、偏置；跟踪用紧耦合非线性优化融合预积分 IMU 与特征观测；回环用 4-DoF 位姿图优化保证全局一致性，并支持地图保存/加载/合并。

OpenVINS ★（2020 ICRA） 代表了另一条技术路线——滤波式。它是面向研究的开源平台，核心是流形上的滑动窗口 EKF，并特别强调 FEJ（First-Estimates Jacobian） 一致性处理，还内置在线相机内参/外参标定、相机-IMU 时间偏移标定、以及可扩展的仿真器。对研究 VIO 的可观测性与一致性，这是最好的起点。

GVINS ★（2022 T-RO） 把问题推到室外大尺度：它直接融合 GNSS 原始观测（伪距 + 多普勒频移）而非解算后的位置，与视觉、惯性构成因子图，并用由粗到细的在线标定建立全局测量与局部状态的连接，还能处理卫星信号间歇甚至完全不可用的退化情况，实现室内外无缝切换。

Dynam-SLAM ★（2023 T-RO） 则补上了动态环境这一块：把立体场景流与 IMU 松耦合用于动态特征检测（显式建模场景流的不确定性，推导路标的运动似然），再把动态与静态特征紧耦合进非线性优化——动态特征被用来构造"虚拟路标"。这个"动态特征不丢弃、反而转成可利用约束"的思路，是近年动态 SLAM 值得注意的转向。

三、主线二：激光 SLAM 与 LIO —— 一场关于"数据结构"的竞赛

激光 SLAM 的演进主线，表面是算法，骨子里是数据结构——因为要在毫秒级完成大规模点云的最近邻查询与增量更新。

3.1 从 LOAM 到 LIO-SAM：因子图化

LOAM（2014 RSS）→ LeGO-LOAM ★（2018 IROS） 确立了"特征提取 + 两步 LM 优化"的范式：LeGO-LOAM 先用点云分割滤噪，再提取平面/边缘特征，用两步 Levenberg-Marquardt 分别求解 6-DoF 变换的不同分量，从而能在低功耗嵌入式平台上实时运行（这正是"轻量"的含义）。它针对地面车辆利用了地平面先验。

LIO-SAM ★（2020 IROS） 是分水岭：它把激光-惯性里程计放到因子图上，IMU 预积分因子、激光里程计因子、GPS 因子、回环因子都可以作为不同类型的 factor 加入。工程上的关键取舍是：不做当前帧对全局地图的配准，而是对局部滑窗内的固定大小子关键帧集合配准——同时配合关键帧筛选和旧帧边缘化，换来实时性。

3.2 FAST-LIO2：两个"反主流"决定

FAST-LIO2 ★（2022 T-RO，语料库引用数最高，1721+） 的两个核心创新都是"做减法"：

1. 直接配准原始点到地图，完全不做特征提取。好处有三：能利用环境中的细微特征（精度更高）；天然适配不同扫描模式的雷达（无需为机械式/固态式分别设计特征）；消除了手工特征模块这个最大的工程量。
2. 用增量 k-d 树（ikd-Tree）维护地图。ikd-Tree 支持增量插入与删除以及动态重平衡，并且天然支持树上下采样。论文在 19 个序列上和 octree、R*-tree、nanoflann k-d tree 做了完整基准对比。

配合紧耦合迭代卡尔曼滤波，FAST-LIO2 成为近三年被引用和复现最多的 LIO 系统。

3.3 围绕 ikd-Tree 的"数据结构军备竞赛"

FAST-LIO2 之后，一批工作开始挑战它的数据结构：

• Faster-LIO ★（2022 RA-L）：用 iVox（增量体素） 取代树结构，支持增量插入与并行近似 kNN 查询，并提出 linear iVox 与 PHC（伪希尔伯特曲线）iVox 两种底层结构。固态雷达下单帧可达 1000–2000 Hz，32 线机械雷达 >200 Hz，且精度不降。
• iG-LIO ★（2024 RA-L）：把 GICP 约束与惯性约束统一在一个估计框架里，用体素表面协方差估计器算扫描的表面协方差，用增量体素地图表示环境的概率模型，从而同时降低协方差估计、最近邻搜索和地图管理的耗时——在保持相同参数的前提下效率超过 Faster-LIO。
• KISS-ICP ★（2023 RA-L）：反向而行的极简主义。点对点 ICP + 自适应对应阈值 + 鲁棒核 + 点云子采样 + 运动补偿，完全不使用 IMU，参数极少且跨雷达免调参。

3.4 其他重要补充

• DLO ★（2022 RA-L）：面向算力受限平台的轻量前端，核心是关键帧/子图管理机制加定制 ICP 求解器（含数据结构回收），由 NASA JPL CoSTAR 团队开发，直接服务于 DARPA 地下挑战赛。
• Scan Context ★（2018 IROS）：不做直方图、不依赖训练的 3D 激光全局描述子，直接记录可见空间的三维结构，配相似度评分和两阶段搜索，对视角变化（反向重访、转角）不变。它是后续几乎所有激光场景识别工作的对比基线。
• PIN-SLAM ★（2024 T-RO）：把隐式神经表示引入激光 SLAM 的关键一步，详见第五节。

四、主线三：多传感器融合 —— 从 LIO 到 LIV，最终"统一地图"

当单一传感器在退化场景（长廊、隧道、玻璃、弱纹理）失效时，融合成为必由之路。这条线的终点是用一个统一的地图结构承载所有传感器的信息。

• R3LIVE（2022 T-RO）：RGB 着色的 LiDAR-惯性-视觉紧耦合，把视觉的颜色信息直接赋予激光点，兼顾几何精度与外观。
• FAST-LIVO ★（2022 IROS）：由 LIO 与 VIO 两个紧耦合子系统构成。LIO 把新扫描的原始点配准到增量建的点云地图；地图点额外挂载图像块，VIO 子系统通过最小化直接光度误差对齐新图像（不提取任何视觉特征）。还提出新型外点剔除方法，剔除位于边缘或被遮挡的不稳定地图点。
• FAST-LIVO2 ★（2025 T-RO）：把上一版推进到成熟。核心变化：
• 用 ESIKF（误差状态迭代卡尔曼滤波）+ 序贯更新处理 LiDAR 与图像测量的维度不匹配问题；
• LiDAR 建几何结构，视觉把图像块链接到 LiDAR 点上，LiDAR 点的平面先验反过来提升图像对齐精度，且平面先验会被动态精化；
• LiDAR 与视觉测量融合进同一个体素地图（这是"统一地图"的落地），并加入按需光线投射（raycast）、实时曝光估计、光束发散导致的测距噪声建模。
• LIV-GaussMap ★（2024 RA-L）：把这条线接到 3DGS 上——用尺寸自适应体素的 LiDAR-惯性系统初始化场景表面高斯与各帧位姿，再用视觉光度梯度优化高斯质量与密度。兼容固态与机械雷达、重复与非重复扫描模式。

方向性结论：LIV 融合的技术收敛点已经很清楚了——不再维护"激光地图"和"视觉地图"两套东西，而是维护一个统一的可微/可增量更新的场景表示，让几何与光度信息在其中互相约束。FAST-LIVO2 用体素地图做到了这一点，LIV-GaussMap 用高斯原语做到了这一点。

五、主线四：神经隐式表示 SLAM（NeRF-SLAM）—— "把地图变成一个可微函数"

这是 2021 年后最活跃的方向。核心想法：用 MLP 或特征网格参数化一个连续函数，输入 3D 坐标输出占用/密度/颜色（或 SDF），跟踪和建图都通过可微渲染来做。

5.1 起步与问题

iMAP ★（2021 ICCV） 首次证明单个 MLP 可以作为实时 SLAM 的唯一场景表示——在线训练、无需先验，建图 2 Hz、跟踪 10 Hz。代价是：全连接网络不含局部信息，重建过度平滑，且难以扩展到较大场景。

5.2 分层特征与混合编码：解决"平滑"和"慢"

• NICE-SLAM ★（2022 CVPR）：引入层次化场景表示（多级特征网格），把多尺度局部信息注入隐式场，配合预训练几何先验，在大尺度室内场景实现细节重建，在可扩展性、效率和鲁棒性上都优于之前的神经隐式 SLAM。
• ESLAM ★（2023 CVPR）：用多尺度轴对齐特征平面 + 浅层解码器输出 TSDF 和 RGB。相比当时的稠密视觉 SLAM，重建和定位精度提升 50% 以上、速度最高快 10 倍，且完全不需要预训练。
• Co-SLAM ★（2023 CVPR）：多分辨率 hash-grid（快速收敛、高频局部特征）+ one-blob 编码（鼓励表面连贯、补全未观测区域） 的联合参数-坐标编码，兼顾两者之长；射线采样策略允许它对所有关键帧做全局 BA，而不像多数神经 SLAM 那样必须筛选少量活跃关键帧。10–17 Hz。
• Vox-Fusion ★（2022 ISMAR）：体素内参数化隐式表面 + 八叉树动态扩展，无需预先知道环境边界，是多进程框架。
• Point-SLAM ★（2023 ICCV）：把神经特征锚定在数据驱动生成的点云上，点密度可随输入信息密度自适应——细节多的区域点更密，从而在降低运行时间和内存的同时解析精细结构。

5.3 全局一致性：神经 SLAM 的最大痛点

上述方法都会累积漂移导致地图扭曲。三个代表性解法：

• GO-SLAM ★（2023 ICCV）：以鲁棒位姿估计为核心，通过高效回环 + 在线 full BA利用完整历史帧的全局几何来优化每一帧，同时即时（on-the-fly）更新隐式连续表面以保证重建的全局一致性，支持单目/双目/RGB-D。
• Loopy-SLAM ★（2024 CVPR）：数据驱动的点基 submap 生成 + 全局场景识别触发在线回环 + 鲁棒位姿图优化刚性对齐各 submap。它的关键优势源于点基表示：地图修正可以高效完成，无需像网格类方法那样保存全部历史输入帧。
• NeRF-SLAM ★（2023 IROS）：借力 DROID-SLAM 提供带协方差的深度与位姿，再拟合概率体密度的层次化 NeRF，单目图像下几何/光度精度相比同期方法最高有显著优势，且实时。

5.4 走向激光与大场景

• NeRF-LOAM ★（2023 ICCV）：神经里程计 + 神经建图 + 网格重建三模块，共享一个神经 SDF；关键设计是把 LiDAR 点分为地面点与非地面点以抑制 Z 轴漂移，且里程计与体素嵌入联合优化，无需预训练即可跨环境泛化。
• PIN-SLAM ★（2024 T-RO）：这条线目前最完整的成果。它用稀疏可优化的神经点构建隐式 SDF 地图，做无对应的点-隐式模型配准做位姿估计；神经点天然弹性可形变，回环时能随全局位姿调整一起形变，从而得到全局一致且高度紧凑的地图；回环检测直接用神经点特征。且同一套表示可扩展到 RGB-D 甚至度量-语义 SLAM。

方向性结论：神经隐式 SLAM 已从"能不能做"进入"怎么做得又快又全局一致"。当前的技术共识是 特征网格/hash 编码 + 混合参数化取代纯 MLP 以提速，弹性可形变表示（神经点）取代刚性网格以支持全局优化。但它在算力开销和实时性上仍显著劣于几何方法——这正是 3DGS 路线崛起的直接原因。

六、主线五：3D Gaussian Splatting SLAM —— 2024 年后的新主流

3DGS 用一组显式 3D 高斯原语（位置、协方差、不透明度、球谐系数）表示场景，通过可微光栅化渲染。相比 NeRF 的隐式查询，渲染快、优化快、天然显式——这让它非常适合 SLAM 的实时要求。

6.1 开山之作

• MonoGS / Gaussian Splatting SLAM ★（2024 CVPR）：首次把 3DGS 用于单目 SLAM（最难的配置），以 3 fps 实时运行，只用高斯这一种表示完成跟踪、建图、高质量渲染。关键技术：原版 3DGS 需要离线 SfM 提供精确位姿，它改为直接对 3D 高斯做相机位姿优化（大步长收敛域）；利用高斯的显式性质引入几何验证与正则化处理增量稠密重建的歧义；完整 SLAM 系统可无缝扩展到 RGB-D。
• SplaTAM ★（2024 CVPR）：面向单目未定位 RGB-D 相机，用轮廓掩码（silhouette mask）优雅地表达场景密度的存在性，从而快速判断某区域是否已建图、并结构化地扩展地图。论文报告在相机位姿估计、地图构建、新视角合成上相比当时方法最高 2 倍的性能提升。
• GS-SLAM ★（2024 CVPR）：提出自适应扩展策略，动态增删高斯以重建新观测区域、改进旧区域建图——这是把 3DGS 从"合成单个静态物体"扩展到"重建完整场景"的关键；跟踪阶段用由粗到细的选择可靠高斯来优化位姿，兼顾速度与鲁棒。

6.2 工程化与嵌入式部署

• Photo-SLAM ★（2024 CVPR）：提出 hyper primitives map——同时利用显式几何特征做定位、学习隐式光度特征表达纹理；基于几何特征主动致密化，并用高斯金字塔训练渐进学习多级特征。结果是 PSNR 比当时 SOTA 高约 30%、渲染快数百倍，且能在 Jetson AGX Orin 等嵌入式平台实时运行——这是它有别于纯学术方案的关键，直指机器人落地。

6.3 2025 年的两个重要补强

• WildGS-SLAM ★（2025 CVPR）：单目 RGB 的动态环境 3DGS SLAM。用浅层 MLP + DINOv2 特征预测不确定性图，在跟踪与建图中引导动态物体剔除，并强化稠密 BA 与高斯地图优化。注意这里基础模型（DINOv2）已经进入 SLAM 前端。
• Splat-SLAM ★（2025 CVPRW）：首个全局优化的 RGB-only SLAM，高斯地图随关键帧位姿与深度更新动态适配。针对缺几何先验的问题，提出 DSPO（视差-尺度-位姿联合优化） 做 BA，联合优化位姿、深度与单目深度尺度。

6.4 与激光融合

• LIV-GaussMap ★（2024 RA-L）（见第四节）：LiDAR-Inertial-Visual 融合的高斯辐射场建图。

方向性结论：3DGS SLAM 在 2024 年集中爆发，2025 年迅速转向三个"补短板"方向——动态环境（WildGS-SLAM）、全局一致性与 RGB-only（Splat-SLAM）、嵌入式实时（Photo-SLAM）。当前最大的开放问题仍是：回环与大尺度下的地图一致性（高斯原语不像神经点那样天然可形变），以及内存随场景线性增长。

七、主线六：学习式前端与场景识别

深度学习最先渗透的不是后端，而是特征匹配和场景识别这两个"感知"环节。

7.1 特征匹配

• SuperGlue ★（2020 CVPR）：用图神经网络 + 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。GPU 上实时。
• LightGlue ★（2023 ICCV）：重新审视 SuperGlue 的多个设计决策并给出简单有效的改进，在内存与计算上更高效、更准、更易训练。最关键的性质是自适应：容易匹配的图像对（重叠大、外观变化小）推理明显更快——这直接面向延迟敏感的三维重建应用。

7.2 场景识别与回环

• LCDNet ★（2022 T-RO）：同时做地点识别和6-DoF 相对位姿估计，共享编码器 + 全局描述子头 + 基于非平衡最优传输的可微相对位姿头（可端到端训练）。论文特别强调它在反向回环（reverse loop）这个难点上大幅超越此前方法，并可集成进完整 SLAM 系统。
• OverlapTransformer ★（2022 RA-L）：利用 LiDAR 的距离图像表示，yaw 角不变的 transformer 架构，单帧 <2 ms，并贡献了一个包含不同时间重复场景的长期场景识别数据集。
• LCR-Net ★（2024 T-RO）：把回环与重定位统一到一个框架，用多头网络 + 位姿感知注意力同时估计相似度与 6-DoF 位姿；论文强调它不依赖耗时的鲁棒位姿估计器，因此适合在线 SLAM，并给出了首个具备深度回环能力的激光 SLAM 集成。

八、主线七：语义、动态环境与多机协同

8.1 语义与度量-语义

• Kimera ★（2020 ICRA）：开源 C++ 库，四个模块——VIO、鲁棒位姿图优化、轻量 3D 网格化、度量-语义标注，能在 3D 中做网格重建和语义标注。它是后续大量语义 SLAM 工作的基础设施。
• SNI-SLAM ★（2024 CVPR）：神经隐式语义 SLAM。层次语义表示支持自顶向下的结构化语义建图；用跨注意力融合外观、几何、语义特征做特征协作，使系统在某单一属性退化时仍保持鲁棒；并提出特征级损失（相比 RGB/深度损失能在更高层次引导网络优化）。

8.2 动态环境：从"剔除"到"建模"

• DynaSLAM ★（2018 RA-L）：基于 ORB-SLAM2，用 Mask R-CNN 与多视图几何（或两者结合）检测运动物体，并对被遮挡的背景做修补（inpainting），从而估计静态部分的地图——这对长期应用是必需的。
• Dynam-SLAM ★（2023 T-RO）：见第二节，把动态特征转成"虚拟路标"继续利用。
• WildGS-SLAM ★（2025 CVPR）：用不确定性引导动态剔除（3DGS 时代版本）。
• 两份高价值综述：《A Survey of Visual SLAM in Dynamic Environment》（2024 T-IM） 系统梳理了从几何方法 → 语义方法的演进，并把语义动态 SLAM 细分为"动态物体剔除 / 动态物体跟踪 / 动态场景语义建图"三类；《The Revisiting Problem in SLAM: A Survey on Visual Loop Closure Detection》（2022 T-ITS） 则把回环检测系统拆成特征提取、环境表示、决策、评测四段来综述，是回环方向最好的入门与索引。

8.3 多机协同 SLAM：从"能协同"到"抗异常、能扩展"

• DOOR-SLAM ★（2020 RA-L）：完全分布式，核心是分布式两两一致测量集最大化（PCM）剔除机间伪回环，从而可以使用更激进的参数（不必为了稳健而牺牲召回）；只靠点对点通信，不要求全连接，前端不交换原始传感器数据。
• Kimera-Multi ★（2022 T-RO）：鲁棒、完全分布式、构建全局一致的度量-语义 3D 网格；基于分布式渐进非凸（GNC）算法做鲁棒位姿图优化，能识别并拒绝由感知歧义导致的机间与机内错误回环。
• LAMP 2.0 ★（2022 RA-L）：DARPA 地下挑战赛 Team CoSTAR 的方案，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，面向黑暗、粉尘、崎岖地形与自相似场景。
• Swarm-SLAM ★（2024 RA-L）：面向集群机器人的开源 C-SLAM，强调可扩展、灵活、去中心化、稀疏四大性质；支持激光/双目/RGB-D；提出机间回环优先级排序技术以降低通信量、加速收敛；ROS 2 实现在五个数据集和三个机器人 ad-hoc 网络实测。
• D²SLAM ★（2024 T-RO）：面向空中集群的去中心化分布式视觉惯性 SLAM。创新在于区分近场估计（近距离精确相对状态）与远场估计（一致全局轨迹）；前端同时支持立体与全向相机以应对空中集群的视场挑战；分布式优化让它在网络延迟下仍有良好扩展性与韧性。
• DiSCo-SLAM ★（2022 RA-L）：首个把轻量 Scan Context 描述子用于多机 SLAM 的框架，实现数据高效的机间观测交换；两阶段（全局+局部）优化框架，对未知初始条件（机间回环搜索的典型困难）鲁棒。

九、主线八：事件相机与新型传感器

• Ultimate SLAM ★（2018 T-RO）：首个把事件、标准帧、IMU 三者紧耦合融合的状态估计流水线。动机非常清晰——事件相机无运动模糊、动态范围极高，适合高速与高动态范围场景，但运动量小的时候信息很少；标准相机在低速良好光照下信息丰富，但快速运动/极端光照下严重失效。二者互补，论文报告相比纯事件流水线精度提升约 130%、相比纯标准帧视觉惯性系统提升约 85%，并完成了首个基于事件相机的自主四旋翼飞行。
• ESVIO ★（2023 RA-L）：首个事件相机立体视觉惯性里程计，含纯事件的 ESIO 与图像辅助的 ESVIO 两种模式，建立连续立体事件流的时空关联，后端紧耦合多传感器测量；在低光环境下完成了机载四旋翼飞行与大规模户外实验。
• DEVO ★（2022 ICRA）：深度相机 + 高分辨率事件相机的实时视觉里程计，把传统边缘半稠密视觉里程计扩展到事件流的时间-表面（time-surface）图上，用高效的几何半稠密 3D-2D 边缘对齐更新位姿；在常规条件下与 RGB-D 方案相当，在挑战条件下反超。

十、工程与评测现实：DARPA SubT 给出的冷静结论

《Present and Future of SLAM in Extreme Environments》（2024 T-RO） 是理解"实验室 SLAM"与"真实世界 SLAM"差距的最佳文本。它综述了地下挑战赛中六支队伍的完整方案（CERBERUS、CoSTAR、CSIRO、CTU-CRAS-Norlab、Explorer、MARBLE），并给出一个相当克制的判断：

在具备高质量多模态传感套件的前提下，地下 SLAM 问题可以说是"已解决"——但仅限于环境、尺度、传感器、参数调优和算力都满足特定条件的情况。

论文总结的行之有效的工程共识： 1. LiDAR 为主的方案对挑战性环境越来越鲁棒； 2. 特征检测/扫描预处理实现实时点云对齐； 3. 与惯性数据紧耦合提升运动估计鲁棒性（去畸变、为 ICP 提供初值、消除 roll/pitch 漂移）； 4. 关键帧/子图 + 因子图框架把轨迹稀疏化，支撑大规模长期多机在线运行； 5. 增加其他传感模态进一步提升鲁棒性。

它指出的尚未解决的开放问题（这部分对选题极有价值）： - 鲁棒与弹性感知：跌落、撞击、碰撞导致的定位失败是最常见失效模式——高频运动会超出机载感知系统的捕获能力（结构光传感器采样率较低）。领域缺乏关于"弹性算法与系统"的基础研究，而不只是"多加几个传感器"。 - 超越传统 SLAM 传感器：热成像可穿透视觉退化条件，雷达能维持低光/粉尘下的工作——需要引入非传统模态并设计失效检测与恢复方法。 - 向上扩展：多机 LiDAR SLAM 已是成熟领域，集中式方案在 5–10 台机器人规模可实时精确，去中心化方案在中等规模（<1 km）不依赖机间回环也能达到小误差；但扩展到 >100 台机器人的超大规模仍是开放问题。 - 向下扩展（小型化与低成本）：现有方案大多依赖一个或多个 LiDAR + 强力嵌入计算机；用低成本组件实现同等能力，以支持大量可消耗机器人执行高风险任务，仍需大量工作。

配套的评测基础设施是 Hilti-Oxford Dataset ★（2023 RA-L）：激光 + 五相机 + IMU 的多模态采集平台，毫米级精度的真值采集方法，外参用微米级扫描仪验证，时间同步走硬件——它把 SLAM 评测从"相对排名"推向"绝对精度"。

十一、关键技术对比速查

11.1 激光/激光惯性系统

11.2 隐式 / 显式神经表示 SLAM

11.3 3DGS SLAM

十二、趋势判断与开放问题

已经收敛的共识：

1. 统一场景表示吃掉多传感器融合的复杂性。FAST-LIVO2 用统一体素图，LIV-GaussMap 用高斯，趋势是"一套表示装下几何与光度"。
2. 后端全面因子图化。EKF 只在特定场景（FAST-LIO2 的 IESKF）因效率优势保留，全局一致性一律走位姿图/因子图。
3. "去特征化"与"轻量化"成为工程主流。FAST-LIO2 去掉特征提取，KISS-ICP 去掉几乎所有组件——两者都被广泛复现，说明可维护性已经是选型的核心指标。
4. 回环从"检测"走向"检测+配准+重定位一体化"。LCDNet 到 LCR-Net 的演进说明了这一点。

正在发生、尚未定论的：

5. 3DGS vs 神经隐式场之争。3DGS 在速度与渲染质量上占优，但内存随场景线性增长、且不像神经点那样天然支持全局形变；神经点在全局一致性上更优雅（PIN-SLAM、Loopy-SLAM）。短期内两者会并存，长期看"可形变的显式原语"可能是收敛方向。
6. 基础模型进入 SLAM。DINOv2 用于动态不确定性预测（WildGS-SLAM）、DROID-SLAM 提供几何先验（NeRF-SLAM / GO-SLAM）、DUSt3R/MASt3R 这类三维基础模型刚进入视野。"用大模型做几何先验、用小模型做实时优化"可能是下一代架构的形态。
7. 动态环境从"剔除"转向"建模"。DynaSLAM 的背景修补 → Dynam-SLAM 的虚拟路标 → 语义动态综述划分出的"跟踪/剔除/建图"三支，趋势是把动态物体当作可估计的状态而非噪声。
8. 弹性（resilience）而非鲁棒（robustness）。DARPA SubT 明确指出领域缺乏关于跌落/碰撞/传感器中断下失败检测与恢复的基础研究。这是一个明确的高价值选题缺口。
9. 超大规模集群与超低成本小型化两端都还开着。前者 >100 机器人，后者要求摆脱多 LiDAR + 强力算力。

一份偏冷门但值得关注的方向：

10. 评测的绝对精度化。Hilti-Oxford 用毫米级真值把评测标准推高，这和 SubT 的结论互相印证：领域真正的瓶颈已经从算法创新转移到"在真实退化条件下可复现地工作"。

十三、语料库索引（按主线组织）

十四、可以怎么问我

语料库里的 58 篇全文都在本地 Markdown 里，我随时可以定位到具体章节。试试这些类型的问题：

• 对比型："FAST-LIO2 和 Faster-LIO 的数据结构差别到底在哪？各自的复杂度是什么？"
• 机制型："PIN-SLAM 回环时神经点具体是怎么形变的？" / "Co-SLAM 的 one-blob 编码解决什么问题？"
• 选型型："我要做一个室内移动机器人，算力是 Jetson Orin，该选哪条技术路线？"
• 溯源型："3DGS SLAM 这一支是怎么从 NeRF SLAM 演化过来的？关键转折点是什么？"
• 选题型："按 DARPA SubT 的结论，现在还有哪些明确的高价值开放问题？"
• 补录型："帮我再补下载 XX 方向的论文"——检索和下载通道已经打通，可以随时扩充语料库。

报告基于本地 58 篇论文语料库自行梳理总结，论文原文见 papers/，结构化全文见 md/。