热议中模型发布
上海交大王贺升教授：从画地图到预测未来，传统 SLAM 正走出静态世界 | ICRA 2026
主要内容
- 01提出多模态融合里程计（激光雷达+视觉）实现精确位姿估计。
- 02二维光流→三维场景流→四维重建逐步处理动态场景。
- 03动态Gaussian SLAM独立建模前景（可变形/刚体）与背景。
- 04可变形三维高斯地图应对手术等高度可变形环境。
- 05引入NeRF记忆与VLM推理辅助导航决策。
- 06技术已在矿卡、仓储机器人、割草机器人等落地。
背景
传统SLAM假设环境静止，难以应对自动驾驶中的车辆行人、手术机器人中的形变组织。王贺升团队从感知、建图、定位到规划全链路突破，结合高斯泼溅、光流、场景流、扩散模型、NeRF、VLM等技术，使机器人能在动态与可变形环境中稳定导航。
为什么值得关注
对AI工具用户和开发者而言，该技术解决了具身智能在真实动态环境落地的主要瓶颈。动态Gaussian SLAM和可变形地图可直接用于自主导航、手术机器人、仓储物流等场景的算法选型与二次开发，提升机器人在非结构化环境中的鲁棒性。
🇨🇳
对中国用户与市场
国内机器人、自动驾驶、医疗手术等领域的开发者可借鉴其技术路线——多模态融合、4D重建、可变形高斯表示，用于优化国产机器人导航系统。但技术尚未开源，仅演讲公开，具体实现细节和性能数据需关注后续论文或开源代码。
继续关注
⚠尚未确定的部分
- ·可变形Gaussian SLAM计算复杂度较高，实时性可能受限于硬件。
- ·手术机器人场景的临床验证数据未公开，实际效果存疑。
- ·演讲中部分技术（如VLM推理）仅初步探索，集成成熟度未知。
- ·未提及与现有开源SLAM系统（如ORB-SLAM3）的直接对比。
→可采取的行动
- ·关注上海交大王贺升团队后续论文开源动态Gaussian SLAM代码。
- ·评估可变形三维高斯地图在自身机器人导航项目中的适用性。
- ·研究NeRF记忆与VLM推理结合SLAM的思路，可尝试在仿真中验证。
- ·检查矿卡、仓储等落地案例的技术文档，看是否能获取更多性能数据。
摘记
人体这种非常可变形的环境
从场景理解到决策制定
#上海交通大学#王贺升#ICRA 2026#Gaussian SLAM#NeRF#VLM#雷峰网#SLAM#动态环境#可变形地图
🤖 本文根据 雷峰网 的 RSS 内容整理，并由 AI 辅助提炼要点。完整上下文请以 原文 为准。