SLAM 代表同步定位與建圖。它解決了一個先有雞還是先有蛋的問題。要建構地圖，機器人需要知道自己的位置；而要知道自己的位置，機器人又需要一張地圖。 SLAM 同時完成了這兩項任務。它是移動機器人領域的基礎性問題之一。

機器人穿梭於未知環境。它收集感測器數據：光達掃描、攝影機影像、輪式里程計數據和慣性測量單元（IMU）讀數。它估計自身位置並逐步建立地圖。當它重新訪問某些區域時，會修正地圖和軌跡中的誤差。最終得到一張一致的地圖和一條精確的路徑。

SLAM方法

• EKF SLAM：擴充卡爾曼濾波器，早期方法。
• FastSLAM：粒子濾波器，可處理地標。
• 圖SLAM：將姿態和地標作為圖中的節點。
• 視覺 SLAM：使用相機、ORB-SLAM、LSD-SLAM。
• 光達SLAM：使用雷射掃描、Gmapping、Cartographer。

SLAM之所以難，是因為誤差會累積。里程計中的微小誤差會隨著時間的推移而增加。閉環控制可以糾正這個問題：當機器人識別出之前去過的地方時，它會閉合閉環並調整整個軌跡。這就是為什麼SLAM系統需要強大的地點識別能力。光照變化或椅子移動都可能導致識別失敗。現代SLAM系統已經足夠成熟，可以應用於商業產品。掃地機器人使用視覺SLAM，自動駕駛汽車使用光達SLAM進行地圖建構。 SLAM尚未完全解決，但它在許多應用中已經足夠好用。剩餘的挑戰包括動態環境、長期地圖建置和多機器人SLAM。