SLAM står för Simultaneous Localization and Mapping. Det löser ett hönan-och-ägget-problem. För att bygga en karta behöver en robot veta var den befinner sig. För att veta var den befinner sig behöver roboten en karta. SLAM gör båda samtidigt. Det är ett av de grundläggande problemen inom mobil robotik.

Roboten rör sig genom en okänd miljö. Den samlar in sensordata: lidarskanningar, kamerabilder, hjulavläsningar och IMU-avläsningar. Den uppskattar sin position och bygger en karta stegvis. När den återbesöker områden korrigerar den fel i både kartan och dess bana. Resultatet är en konsekvent karta och en korrekt bana.

SLAM-metoder

• EKF SLAM: utökat Kalman-filter, tidig metod.
• FastSLAM: partikelfilter, hanterar landmärken.
• Graph SLAM: positioner och landmärken som noder i en graf.
• Visuell SLAM: använder kameror, ORB-SLAM, LSD-SLAM.
• Lidar SLAM: använder laserskanningar, Gmapping, kartograf.

SLAM är svårt eftersom felen förvärras. Ett litet fel i odometrin växer med tiden. Loop-stängning korrigerar detta: när roboten känner igen en plats den sett tidigare, stänger den loopen och justerar hela banan. Det är därför SLAM-system behöver robust platsigenkänning. En förändring i belysning eller en flyttad stol kan störa igenkänningen. Moderna SLAM-system är tillräckligt mogna för kommersiella produkter. Robotdammsugare använder visuell SLAM. Autonoma bilar använder lidar-SLAM för kartläggning. SLAM är inte löst, men det fungerar tillräckligt bra för många tillämpningar. De återstående utmaningarna är dynamiska miljöer, långsiktig kartläggning och SLAM med flera robotar.