Το SLAM σημαίνει Ταυτόχρονος Εντοπισμός και Χαρτογράφηση. Λύνει ένα πρόβλημα τύπου «κότας και αυγού». Για να κατασκευάσει έναν χάρτη, ένα ρομπότ πρέπει να γνωρίζει πού βρίσκεται. Για να γνωρίζει πού βρίσκεται, το ρομπότ χρειάζεται έναν χάρτη. Το SLAM κάνει και τα δύο ταυτόχρονα. Είναι ένα από τα θεμελιώδη προβλήματα στην κινητή ρομποτική.

Το ρομπότ κινείται σε ένα άγνωστο περιβάλλον. Συλλέγει δεδομένα αισθητήρων: σαρώσεις lidar, εικόνες κάμερας, οδομετρία τροχών, μετρήσεις IMU. Εκτιμά τη θέση του και δημιουργεί έναν χάρτη σταδιακά. Καθώς επισκέπτεται ξανά περιοχές, διορθώνει σφάλματα τόσο στον χάρτη όσο και στην τροχιά του. Το αποτέλεσμα είναι ένας συνεπής χάρτης και μια ακριβής διαδρομή.

Προσεγγίσεις SLAM

• EKF SLAM: εκτεταμένο φίλτρο Kalman, πρώιμη μέθοδος.
• FastSLAM: φίλτρο σωματιδίων, χειρίζεται ορόσημα.
• Graph SLAM: θέσεις και ορόσημα ως κόμβοι σε ένα γράφημα.
• Οπτικό SLAM: χρησιμοποιεί κάμερες, ORB-SLAM, LSD-SLAM.
• Lidar SLAM: χρησιμοποιεί σαρώσεις λέιζερ, Gmapping, χαρτογράφο.

Το SLAM είναι δύσκολο επειδή τα σφάλματα συσσωρεύονται. Ένα μικρό σφάλμα στην οδομετρία αυξάνεται με την πάροδο του χρόνου. Το κλείσιμο του βρόχου διορθώνει αυτό: όταν το ρομπότ αναγνωρίζει ένα μέρος που έχει δει στο παρελθόν, κλείνει τον βρόχο και προσαρμόζει ολόκληρη την τροχιά. Αυτός είναι ο λόγος για τον οποίο τα συστήματα SLAM χρειάζονται ισχυρή αναγνώριση θέσης. Μια αλλαγή στον φωτισμό ή μια μετακινημένη καρέκλα μπορεί να διακόψει την αναγνώριση. Τα σύγχρονα συστήματα SLAM είναι αρκετά ώριμα για εμπορικά προϊόντα. Οι ρομποτικές ηλεκτρικές σκούπες χρησιμοποιούν οπτικό SLAM. Τα αυτόνομα αυτοκίνητα χρησιμοποιούν lidar SLAM για χαρτογράφηση. Το SLAM δεν έχει λυθεί, αλλά λειτουργεί αρκετά καλά για πολλές εφαρμογές. Οι υπόλοιπες προκλήσεις είναι τα δυναμικά περιβάλλοντα, η μακροπρόθεσμη χαρτογράφηση και το SLAM πολλαπλών ρομπότ.