织梦网站错位免费推广网站有哪些平台

织梦网站错位,免费推广网站有哪些平台,做本地网站,免费设计logo图标生成器定位、感知、融合长期演进综述SLAM 框架SLAM分类视觉SLAM——VIOORB-SLAM系列MSCKF系列VINS-Fusion激光SLAM——LIO3D激光SLAM视觉SLAM与激光SLAM融合FAST-LIO2基于深度学习的SLAM高斯语义SLAMLightning-LM技术架构与核心功能SLAM涉及的各种算法模块特征提取算法特征点检测算法…定位、感知、融合长期演进综述SLAM 框架SLAM分类视觉SLAM——VIOORB-SLAM系列MSCKF系列VINS-Fusion激光SLAM——LIO3D激光SLAM视觉SLAM与激光SLAM融合FAST-LIO2基于深度学习的SLAM高斯语义SLAMLightning-LM技术架构与核心功能SLAM涉及的各种算法模块特征提取算法特征点检测算法描述子算法SuperPoint特征匹配算法Brute-Froce MatcherKNN匹配RANSAC消除错配常见匹配策略SuperGlue图像对齐——直接法光度误差最小化光流法点云特征提取与匹配点云特征提取PFH算法PFH 计算步骤loam及其衍生的特征提取方法点云匹配回环检测优化算法图优化非线性最小二乘优化滤波算法SLAM的各种数据集感知新范式——BEV空间智能——Spatial AI具身智能——VLATrackVLA长期演进ReferencesSLAM 框架ORB-SLAMMSCKFVINS-FusionLIO高斯语义SLAMLightning-LMSLAM涉及的各种算法模块SLAM的各种数据集BEVSpatial AIVLA这是一份文献综述力求将定位、感知、融合框架的算法、模块、数据集以及长期演进方向做一个汇总。无原创的东西搬运的都是别人的文档也基本都在References里面单独列出来了如有遗漏请告知。SLAM 框架传感器数据主要用于采集实际环境中的各类型原始数据。包括激光雷达(LiDAR)、相机(Camera)、惯性测量单元IMU、全球导航卫星系统GNSS等数据。前端里程计主要用于不同时刻间移动目标相对位置的估算。包括特征匹配、直接配准等算法的应用。后端优化主要用于优化视觉里程计的累计误差。包括滤波器、图优化等算法应用。地图构建用于二维/三维/点云/语义地图的构建。回环检测主要用于空间累积误差消除。SLAM分类视觉SLAM——VIO典型的有ORB-SLAM、MSCKF、VINS这几个系列每个系列又有多个不同的差异化版本。ORB-SLAM系列特征提取采用ORB(Oriented FAST and Rotated BRIEF)特征兼具计算效率与旋转/缩放不变性可在CPU上实时提取。核心流程跟踪线程实时位姿估计。局部建图线程优化局部地图。闭环检测线程全局优化与重定位。多传感器支持ORB-SLAM 3 融合 IMU数据GNSS ORB-SLAM 3 进一步融合 GNSS数据。MSCKF系列MSCKF全称Multi-State Constraint Kalman Filter多状态约束下的Kalman滤波器是一种基于滤波的VIO算法,MSCKF在EKF框架下融合IMU和视觉信息相较于单纯的VO算法MSCKF能够适应更剧烈的运动、一定时间的纹理缺失等具有更高的鲁棒性相较于基于优化的VIO算法VINSOKVISMSCKF精度相当速度更快适合在计算资源有限的嵌入式平台运行。MSCKF系列比较有代表性的是 S-MSCKF 和 Open VINS。VINS-FusionVINS-Fusion 是由香港科技大学开源的视觉惯性SLAM算法是在 VINS-Mono 基础上拓展出的相机IMUGPS多传感器融合框架它包含这几个过程特征提取与发布IMU提取与预积分初始化滑窗与优化回环检测。激光SLAM——LIO3D激光SLAMCartographer由Google开发是目前精度最高、实时性、鲁棒性最好、二次开发最为便捷的开源SLAM算法之一。引入子图submap概念使用 CSM和梯度优化相结合的方法使帧与子图进行匹配。后端基于图优化算法将当前激 光帧和之前建立的所有子图都加入闭环检测模块采用分支定界法提升搜索速度。LOAM根据曲率大小将特征点分类为边缘特征点和平面特征点缺少后端优化和回环检测模块。LeGO-LOAM引入关键帧概念使用关键帧及其局部范围内的数据帧组成 loop-submap。基于地面点的优化更加鲁棒精确计算量更小。LIO-SAM: LIO-SAM是TixiaoShan在2020年IROS发表的Lego-LOAM续作。 实际上也是Lego-LOAM的扩展版本添加了IMU预积分因子和GPS因子。LVI-SAM: LVI-SAM是Tixiao Shan发表在ICRA 2021上的最新工作。 提出了一个基于图优化的多传感器融合框架具有多个子系统 视觉惯性子系统VIS 和 雷达惯性子系统 LIS 单目雷达imu融合。鲁棒性任一子系统失效不会导致整个系统挂掉。Loam_livox针对Livox新型固态激光雷达扫描特性对有效点筛选和特征提取部分进行优化视觉SLAM与激光SLAM融合视觉SLAM与激光SLAM的融合是主流的多传感器融合策略结合两者的优势并弥补各自的不足从而提升定位、建图和环境感知的精度与鲁棒性。FAST-LIO使用激光雷达与 IMU 紧耦合的误差状态迭代卡尔曼滤波算法。提 出一个新的计算卡尔曼增益的公式使计算量不再依赖于测量维数而是依赖于状态维数极大地减少了计算量。FAST-LIO2为了使算法能自然适应不同扫描模式的激光雷达和实现更快的计算省略了耗时的特征提取模块采用直接法将所有点云数据统一处理。Faster-LIO在FAST-LIO2的基础上使用一种增量式稀疏体素iVox数据结构代替ikd-tree可以有效降低点云配准的时间FAST-LIVO在FAST-LIO2的LIO系统基础上使用相机传感器加入VIO子系统在测量层面实现两个传感器的耦合在激光雷达退化场景和光线变化剧烈的场景下依旧能可靠运行。FAST-LIO2FAST-LIVO2 是香港大学开源的SLAM算法是一种融合激光雷达LiDAR、惯性测量单元IMU和视觉信息的高效定位与建图系统核心采用误差状态迭代卡尔曼滤波器ESIKF与顺序更新策略实现精确状态估计。不同于传统方法FAST-LIVO2 避免特征提取直接处理原始 LiDAR 和图像数据提升了计算效率与系统鲁棒性。#### 技术亮点直接法融合策略抛弃繁琐特征提取LiDAR模块直接对原始点云进行配准无需提取边缘或平面特征。视觉模块通过最小化光度误差进行图像对齐避免了传统的特征点提取过程。统一体素地图几何与纹理深度协同系统采用统一的体素地图结构LiDAR构建几何结构图像patch附着于LiDAR平面形成“视觉地图点”实现稠密彩色地图构建。该策略不仅优化了数据结构也保障了多源信息的一致性融合。图像对齐与鲁棒性增强通过最小化光度误差进行稀疏图像对齐动态更新参考图像patch在LiDAR盲区或FoV不足时按需射线投影补齐盲区实时估算曝光时间适应剧烈光照变化FAST-LIVO2 同时提升了图像对齐精度与在光照骤变或点云缺失场景下的鲁棒性。ESIKF惯序更新系统收敛更快更稳采用误差状态迭代卡尔曼滤波器ESIKF对 LiDAR 与图像依次更新状态解决了多源观测维度不一致的问题极大提高融合精度与实时性。优化资源利用为了适配资源受限的嵌入式平台FAST-LIVO2 对系统架构与算法流程进行了深度优化。实测表明FAST-LIVO2 能够在 RK3588、Jetson Orin NX、RB5 等低功耗 ARM 平台上稳定运行单帧处理时延控制在 78 ms 以内满足实时导航与建图的需求。基于深度学习的SLAM深度学习与SLAM的结合主要应用于系统中的几个模块如特征提取和匹配、回环检测、构建语义。SUMA基于激光雷达的语义 SLAM使用 RangeNet对点云进行语义分割根据语义信息剔除动态目标再将语义信息融入系统与几何信息一起建 立约束从而提高定位和建图精度。SA-LOAM提出一种语义辅助的 ICP 算法并在闭环检测模块中集成基于语义图的位置识别方法适合在大规模场景中构建全局一致性语义地图。ASL-SLAM提出一种基于活动语义的回环检测方法通过IMU传感器对Z轴角速度和加速度的分析来检测转弯和通过减速带两种语义。提出一种自监督的激光里程计在投影的强度图像上使用SuperPoint提取特征点使用传统ICP方法估算位姿后用于在线训练网络。EfficientLO-Net是第一个完全端到端的高效3D激光雷达里程计框架提出了基于投影感知的三维点云表示 方法和特征学习方法。高斯语义SLAMGS-SLAM通常指基于高斯的SLAM如SGS-SLAM与语义SLAM是同时定位与地图构建SLAM领域中的两种相关但侧重不同的技术范式。语义SLAM的核心目标是在构建环境几何结构的同时为地图元素赋予语义标签如“椅子”、“道路”以增强场景理解能力。而GS-SLAM则强调使用三维高斯表示作为场景几何的显式编码方式以实现稠密重建和高效渲染。当前研究趋势是将两者结合形成“高斯语义SLAM”框架高斯语义SLAMSimultaneous Localization and Mapping是将3D高斯溅射3D Gaussian Splatting技术与语义分割相结合的前沿领域旨在构建同时包含几何细节和语义信息的稠密场景表示。例如GS4GS4是首个基于泛化高斯溅射的语义SLAM系统旨在解决传统方法的三大瓶颈。传统SLAM算法如ORB-SLAM依赖稀疏特征点难以构建稠密地图而神经辐射场NeRF方法虽提升重建质量却需高昂计算成本与逐场景优化。高斯溅射技术虽加速渲染仍面临高斯冗余、语义分离和泛化性差的问题。GS4通过端到端前馈网络直接预测3D语义高斯参数实现三大突破泛化能力上可直接处理未知场景而无需测试时优化效率上仅需基线方法10%的高斯数量ScanNet平均29.5万对比基线246.6万语义层面则共享主干网络同步预测几何与语义避免分割模型的开销。在ScanNet数据集上GS4以22.71dB的峰值信噪比刷新渲染记录并在NYUv2、TUM等未训练数据集上实现零样本泛化。Hi-SLAM‌该方法采用分层分类表示利用大型语言模型LLM将语义信息编码为树结构显著降低存储和训练成本。其语义损失函数支持层级间和跨层级优化增强了场景理解能力。Hi-SLAM在复杂场景中可处理超过500个语义类别渲染帧率高达3000 FPS无语义和2000 FPS含语义但主要优势在于可扩展性而非实时性。SemGauss-SLAM: SemGauss-SLAM 是一种基于3D高斯表示的稠密语义SLAMSimultaneous Localization and Mapping系统由上海交通大学团队提出。它是首个将语义特征嵌入3D高斯表示中以实现精确3D语义建图、鲁棒相机跟踪和高质量实时渲染的方法。Lightning-LMLightning-LM是高翔博士团队于2025年11月开源的工业级激光雷达SLAM框架整合了激光-IMU定位与建图算法。技术架构与核心功能多传感器融合架构支持各种片定制化传感器输入兼容IMU数据同步处理。模块化设计包含基础工具common/utils、输入输出接口io/wrapper、激光里程计核心算法core/lio三大层级。实时定位能力通过LocSystem模块实现在线位姿估计支持自定义初始位姿设置与多线程处理。SLAM涉及的各种算法模块特征提取算法特征提取旨在识别图像中具有区分度的点、线或区域通常分为特征点检测和特征点周围区域的局部信息描述子生成两部分。特征点检测算法以FASTFeatures from Accelerated Segment Test为代表通过比较像素邻域灰度值快速检测角点计算效率高但缺乏方向和尺度不变性。 ORBOriented FAST算法改进了FAST通过图像金字塔实现尺度不变性并利用灰度质心法赋予特征点方向信息提升旋转不变性。描述子算法描述子编码特征点点周围区域的局部信息而描述子算法为每个关键点生成向量表示便于后续匹配。BRIEFBinary Robust Independent Elementary Features是一种二进制描述子通过比较特征点邻域内像素对的灰度值生成0/1向量计算高效且适合实时应用。SIFTScale-Invariant Feature Transform和 SURFSpeeded-Up Robust Features则通过高斯差分DoG和梯度统计生成描述子对光照、旋转和尺度变化具有较强鲁棒性但计算复杂度较高。ORBOriented FAST and Rotated BRIEF结合FAST角点检测和BRIEF二进制描述子通过方向加权实现旋转不变性平衡了性能与效率广泛应用于实时SLAM系统。SuperPointSuperPoint 是基于自监督训练的特征点检测和描述符提取方法是2018年MagicLeap发表的一篇文章中提出的。特征匹配算法Brute-Froce Matcher计算某一个特征点描述子与其他所有特征点描述子之间的距离然后将得到的距离进行排序取距离最近的一个作为匹配点。这种方法简单粗暴其结果也是显而易见的通过上面的匹配结果也可以看出有大量的错误匹配这就需要使用一些机制来过滤掉错误的匹配。Opencv库封装了BFMatcher函数进行暴力匹配该函数的第一个参数normType中SIFT、SURF特征点采用NORM_L1NORM_L1也就是L1、L2范数ORB、BRISK、BRIEF的描述子是二进制码串所以选用NORMING也就是采用汉明距离法匹配。KNN匹配K近邻匹配在匹配的时候选择K个和特征点最相似的点如果这K个点之间的区别足够大则选择最相似的那个点作为匹配点通常选择K 2。对每个匹配返回两个最近邻的匹配如果第一匹配和第二匹配距离比率足够大向量距离足够远则认为这是一个正确的匹配比率的阈值通常在2左右。// Opencv封装了该方法bfMatcher-knnMatch(descriptors1,descriptors2,knnMatches,2);RANSAC消除错配RANSAC(Random SAmple Consensus随机采样一致性算法,是在一组含有外点的数 外点的数据中不断迭代最终正确估计出最优参数模型的算法其基本思想为在样本 n 中随机采样 k 个点对 k 个点进行模型拟合计算其它点到该拟合模型的距离并设置阈值若大于阈值为外点舍弃小于阈值为内点统计内点个数。阈值为经验值由具体应用和数据集决定。以新的内点为基础再次进行步骤 2,得到新的拟合模型迭代 m 次选择内点数最多的模型即为最优模型。常见匹配策略基于投影的匹配‌利用匀速运动模型或已估计的位姿将前一帧的3D地图点投影到当前帧图像平面在投影点附近搜索匹配点这是跟踪阶段常用的方法。基于词袋模型Bow的匹配‌在位姿未知或丢失时通过比较当前帧与关键帧的特征向量词袋来快速找到可能的匹配关键帧常用于重定位和回环检测。三角测量匹配‌对于未被跟踪到的特征点通过在共视关键帧中寻找匹配点利用三角测量计算其3D坐标从而构建新的地图点。SuperGlueSuperGlue在2020年由MagicLeap发表引入了Transformer实现了一种2D特征点匹配方法SuperGlue的推出是SLAM算法迈向端到端深度学习的一个重要里程碑。图像对齐——直接法FAST-LIO借助视觉光度误差模型直接做图像对齐避免了传统特征点提取与匹配的图像对齐方法。光度误差最小化图像对齐的目标是找到一个几何变换如单应性变换使得源图像与目标图像在空间上对齐同时最小化像素强度差异即光度误差。光度误差通常定义为两幅图像在重叠区域的像素值差的平方和如均方误差。这种方法更关注图像的整体亮度一致性而非局部特征点。初始化变换参数‌假设一个初始变换如恒等变换或基于粗略估计的参数。迭代优化‌使用梯度下降或类似算法如Levenberg-Marquardt更新参数 (ө)以最小化光度误差。每一步计算误差梯度并调整变换计算图像差值和梯度。更新变换参数例如通过最小化误差的雅可比矩阵。终止条件‌当误差变化小于阈值或达到最大迭代次数时停止。光流法光流法基于灰度不变假设同一空间点在连续帧间的亮度保持不变和小运动假设相邻帧间特征点位移较小通过求解像素点的运动向量来追踪特征点。2在VINS前端光流法替代了传统的特征匹配直接利用灰度信息计算特征点对应关系减少了计算开销并为后端优化提供初始位姿估计。Shi-Tomasi角点检测及光流法追踪——复现VINS前端视觉数据处理视觉SLAM前端——OpenVINS和VINS-Fusion光流跟踪对比点云特征提取与匹配点云特征提取最常见的有利用法向量提取特征(典型的PFH算法)利用曲率提取特征(loam及其一系列衍生方法所用的方法)。PFH算法PFH (Point Feature Histograms) 是一种局部几何特征描述子用于描述点云中的一个点及其邻域的几何信息。PFH 通过分析点与其邻域点之间的相对关系包括法线方向、角度、距离等来构建一个直方图描述该点的局部几何特征。PFH 是全局不变的即旋转、平移不影响它适合用于点云匹配、特征匹配、配准等任务。PFH 计算步骤法线估计 首先计算每个点及其邻域的法线方向。可以使用 K邻域 方法进行法线估计。角度和距离计算 对于每对邻域点 pi 和 pj计算两点之间的 角度 和 距离。此外还需要计算点对法线之间的夹角。直方图构建 通过对这些计算得到的特征角度、法线夹角、距离构建直方图。这个直方图反映了该点的局部几何结构。描述子生成 将这些直方图信息编码成一个 高维特征向量作为该点的 PFH 描述子loam及其衍生的特征提取方法loam及其衍生型的特征提取方法都是对原始点云提取Corner Point和Plane Point而提取特征点的依据就是曲率因此这类方法一般分三个步骤计算曲率标记遮挡和平行点提取surface和corner特征可以参考 LIO-SAM 框架的特征点提取部分的代码 featureExtraction.cpp。点云匹配主要就是 PCL 库的 ICP 和 NDT 算法的应用可以参考 PCL 特征提取与匹配。回环检测回环检测本质上是一种数据相似性检测算法原理是通过识别机器人是否回到历史位置建立位姿约束以优化全局地图识别场景中的重复特征以修正累积误差纠正长期的里程计漂移实现全局地图的一致性。常见回环检测算法如下表算法类别原理特点优势劣势词袋模型特征聚类为单词TF-IDF加权相似度依赖手工特征倒排索引加速检索实时性高适合移动端忽略空间信息误判相似场景概率改进模型贝叶斯滤波动态更新概率分布结合里程计与场景动态性减少误检适应动态环境计算复杂参数敏感深度学习模型CNN/自编码器提取高层特征近似搜索加速匹配端到端特征学习多尺度融合鲁棒性强适应复杂变化需大量数据计算资源高激光全局特征几何特征曲率、质心构建不变性描述子依赖点云结构快速配准优化适用于低纹理环境实时性高对点云质量敏感非结构化环境适应性差无线信号辅助无线信号筛选候选帧减少搜索空间多传感器融合NLoS场景适用计算效率大幅提升避免灾难性失败依赖信号稳定性多机协同限制3D语义共视图语义标签几何信息联合匹配多模态融合高层语义增强减少重复场景误判支持语义地图需高性能分割模型标注数据依赖优化算法图优化图优化是一种将SLAM优化问题建模为图结构的方法节点代表机器人的位姿如位置和方向。边代表位姿之间的空间约束例如通过传感器观测得到的相对位移或姿态变化。图优化的目标是构建这个图并找到一组最优的机器人位姿配置使得所有观测数据与预测值之间的误差最小。这本质上是一个全局优化问题旨在最小化整个路径的累积误差。常用的工具库 G2O、GTSAM。非线性最小二乘优化非线性最小二乘优化是解决图优化问题的数学工具常用的库是Ceres。它用于估计系统状态如机器人位姿使预测值与实际观测值的误差平方和最小。滤波算法算法适用场景优点缺点卡尔曼滤波KF适用于线性系统且噪声服从高斯分布的场景在满足线性高斯假设时能提供最优线性无偏估计收敛快‌精度高仅适用于线性系统仅对高斯噪声有效对系统模型和噪声协方差矩阵的准确性敏感模型失配会导致估计性能下降‌扩展卡尔曼滤波EKF通过一阶泰勒展开对非线性系统进行局部线性化扩展了KF的应用范围能处理非线性系统算法结构与KF相似易于在KF基础上实现‌计算开销相对可控尤其适用于状态维度不高的系统‌当系统高度非线性时一阶泰勒展开误差可能非常大需计算雅克比矩阵增加了实现复杂度高阶展开如二阶EKF虽可提升精度但计算量显著增加‌对初始值和噪声统计特性敏感鲁棒性较弱‌无迹卡尔曼滤波UKF采用无迹变换通过确定性采样点Sigma点直接在概率分布上传递非线性变换避免了线性化在非线性系统中通常比EKF更精确因为避免了线性化误差且无需计算雅克比矩阵‌对非线性程度较高的系统表现更鲁棒收敛性更好‌计算复杂度较高尤其当状态维度增加时Sigma点数量呈指数增长‌需要手动调整无迹变换参数如缩放因子参数选择不当可能影响性能‌多状态约束下的卡尔曼滤波MSCKF解决EKF的维数爆炸问题高效处理多维状态计算量小实时性好噪声抑制与数据融合线性与高斯假设限制‌对模型参数敏感多状态约束通常涉及高维状态空间矩阵运算如协方差矩阵更新的计算量显著上升对初始状态和误差协方差的设置敏感粒子滤波器PF一种基于蒙特卡罗方法的非参数滤波算法通过随机样本粒子近似后验概率分布能表达非高斯噪声无需对系统模型或噪声分布做严格假设能处理强非线性、非高斯噪声甚至多模态问题‌适用性广可直接应用于任意复杂系统无需线性化或高斯假设‌计算量极大粒子数量需随状态维度增加而指数级增长实时性较差‌存在“维度灾难”问题高维系统中易出现粒子退化即少数粒子主导估计‌需要大量调参如粒子数、重采样策略实现复杂度高‌SLAM的各种数据集KITTI包含视觉图像、激光雷达点云、IMU、GPS等数据。EuRoC用于室内MAVMicro Aerial Vehicle微型飞行器的双目IMU数据集包含两个场景苏黎世联邦理工学院ETH的一个machine hall普通房间。SemanticKITTI在KITTI数据集的基础上对点云数据进行标注分类为28类语义实现全场景分割。ApolloScape数据集使用了高精度地图采集车是目前行业内环境最复杂、标注最精准、数据量最大的三维 自动驾驶公开数据集。NTU-VIRAL搭载激光雷达、相机、IMU和超带宽填补了SLAM领域无人机数据集的空白。TUM-RGBDTUM RGB-D数据集是由德国慕尼黑工业大学TUM创建的一个广泛使用的RGB-D彩色图像与深度图像数据集主要用于评估RGB-D SLAM同步定位与地图构建系统、三维重建等算法的性能。Oxford RobotCarOxford Radar RobotCar 数据集是 Oxford RobotCar 数据集的雷达扩展。它已使用来自 Navtech CTS350-X 毫米波 FMCW 雷达和 Dual Velodyne HDL-32E LIDAR 的数据进行扩展该雷达具有优化的地面实况雷达里程计可在英国牛津周围行驶 280 公里除了原始牛津 RobotCar 中的所有传感器数据集。USVInlandUSVInland是第一个用于内河航道无人水面飞行器的多传感器数据集。利用自动驾驶船在内河航道进行手动和自动航行时记录来自激光雷达、立体相机、毫米波雷达、IMU等传感器的数据。感知新范式——BEVBEV: Birds Eyes View在自动驾驶Autonomous Driving简称AD领域逐渐普及后变成了这个行业内的一种术语是相对于SLAM的另外一种感知技术。SLAM和BEV在AD领域里都是协助控制系统了解车辆周围状况的感知技术知道自己在哪有哪些障碍物障碍物在自己的什么方位距离多远哪些障碍物是静态的那些是移动的等等相关信息便于随后做出驾驶决策。从技术实现来看SLAM偏向于传统数学工具包括各种几何/概率论/图论/群论相关的软件包而BEV基本上清一色的基于深度神经网络DNN。两者最好不要对立着看很多情况下可以互补。空间智能——Spatial AI空间智能Spatial AI的概念早在18年的《FutureMapping: The Computational Structure of Spatial AI》白皮书中就被Andrew教授提出了。Andrew教授将其视为视觉SLAM技术的延伸和未来发展方向。 他将Spatial AI定义为使机器能够理解、映射并智能交互三维物理空间的技术其目标是让设备如机器人具备像人类一样感知和理解环境的能力。Andrew教授的Gaussian Splatting SLAM是最早的高斯SLAM系统之一该工作率先将3DGS从离线重建扩展到在线SLAM领域为后续研究如GS-LIVO、FAST-LIVO2等奠定了基础。具身智能——VLA具身智能Embodied Intelligence是人工智能与机器人学交叉的前沿领域强调智能体通过身体与环境的动态交互实现自主学习和进化其核心在于将感知、行动与认知深度融合。VLA (Vision-Language-Action) 架构是机器人具身智能领域的核心创新范式它将视觉Vision、语言Language和动作Action模态统一集成实现从自然语言指令和环境观察直接生成低级机器人控制命令的端到端映射。不同于传统分层架构感知→规划→控制VLA 通过大模型预训练和机器人数据微调赋予机器人“看一眼、听一句、就动手”的零样本泛化能力。TrackVLATrackVLA 是由北京大学等机构联合提出的一种新型视觉-语言-动作VLA模型旨在解决具身机器人在动态环境中进行视觉跟踪时的核心挑战如目标遮挡、干扰物混淆和记忆漂移等问题。该模型通过引入显式空间推理和长时目标记忆机制在仿真和真实世界场景中均实现了当前最优SOTA性能。长期演进ReferencesSLAM 框架SLAM快速入门激光SLAM算法综述ORB-SLAM视觉SLAM开源算法ORB-SLAM3 原理与代码解析ORB_SLAM3 算法框架解析GNSS ORB SLAM3MSCKFICRA07-MSCKFS-MSCKFOpen VINSMSCKF那些事OpenVINSVINS-FusionVINS-Fusion【SLAM】VINS-MONO解析——综述【SLAM】VINS-Fusion解析——流程LIOSLAM学习笔记十九开源3D激光SLAM总结大全港大今年开源了哪些SLAM算法LIO-SAM高斯语义SLAMGS4首个泛化高斯溅射语义SLAM框架十倍效率三维建图带你读完3d高斯语义SLAMHi-SLAM上交发布SEMGAUSS-SLAM: 稠密语义Gaussian抛雪球SLAM语义SLAM基础与论文解析Lightning-LMLightning-LMSLAM涉及的各种算法模块语义SLAM | 深度学习用于特征提取 : SuperPoint一slam-特征点匹配SuperPointSuperGlueShi-Tomasi角点检测及光流法追踪——复现VINS前端视觉数据处理视觉SLAM前端——OpenVINS和VINS-Fusion光流跟踪对比PCL 特征提取与匹配常用回环检测算法对比SLAMSLAM的各种数据集KITTIEuRoCSemanticKITTISemanticKITTIAPIApolloScapeNTU-VIRALTUM-RGBDOxford RobotCarUSVInlandBEV自动驾驶~BEV和SLAMSpatial AI从SLAM到Spatial AI传统SLAMer该何去何从CVPR2024 | Gaussian Splatting SLAMVLAState of VLA Research at ICLR 2026最火VLA看这一篇综述就够了VLA 架构细节分析2025 年 11 月现状万字长文读懂具身智能的“大脑”一文详解视觉-语言-动作VLA大模型TrackVLA具身视觉跟踪中的推理增强与记忆持续机制