作者 | 半闲居士 编辑 | 3D视觉之心 点击下方 卡片 ，关注" 3D视觉之心 "公众号 第一时间获取 3D视觉干货 建图：输入传感器数据，输出一个地图。不断输入新的数据，就会不断输出新的地图。 1. 这个过程叫"建图"还是叫"训练"，不重要。传感器数据就是很多的token，地图就是一张图。 2. 地图也不必长的真的跟图一样，不必真的给人看，就是一堆数据或者一个模型。 定位：给定一个地图模型，输入传感器数据，输出该数据对应的pose。输入连续的数据，能输出连续的pose。 1. 同样的，这个过程叫"定位"还是叫"推理"，也不重要。 2. 中间计算过程也不重要，跑滤波器/图优化还是跑模型推理，都无所谓。 3. 连续性是重要的。输入时间上相邻的数据，输出也得在空间上相邻。 这大概是比较本质意义上的slam。 现在传统方法的难点 是： 原文链接： https://www.zhihu.com/question/601158699/answer/19285172841603 16781 新方法的问题 是： 1. 不够通用，性能跟数据分布相关，而传统方法几乎是无限通用的，跟数据无关。 2. 性能不够：在千元级别硬件上 ...

更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有 你想要的。 作者： Sonia Raychaudhuri，Angel X. Chang 单位：加拿大西蒙弗雷泽大学 论文标题：Semantic Mapping in Indoor Embodied AI – A Survey on Advances, Challenges, and Future Directions 论文链接：https://arxiv.org/pdf/2501.05750 主要贡献 研究背景 编辑丨 视觉语言导航 点击下方 卡片 ，关注" 具身智能之心 "公众号 >> 点击进入→ 具身 智能之心 技术交流群 介绍 全面综述 ：提供了室内导航中语义建图方法的全面回顾，涵盖了从传统方法到基于深度学习的最新进展。 分类框架 ：提出了基于地图结构（如空间网格、拓扑图、密集几何图和混合图）和语义编码（显式特征与隐 式特征）的分类框架，帮助研究者更好地理解和比较不同方法。 挑战与方向 ：识别了当前语义建图领域面临的挑战，如高内存需求、计算效率低下，并提出了未来研究方 向，包括开发开放词汇表、可查询、任 ...

Core Viewpoint - The article emphasizes the establishment of a leading communication platform for autonomous driving technology in China, focusing on industry, academic, and career development aspects [1]. Group 1 - The platform, named "Autonomous Driving Heart," aims to facilitate discussions and exchanges among professionals in various fields related to autonomous driving technology [1]. - The technical discussion group covers a wide range of topics including large models, end-to-end systems, VLA, BEV perception, multi-modal perception, occupancy, online mapping, 3DGS, multi-sensor fusion, transformers, point cloud processing, SLAM, depth estimation, trajectory prediction, high-precision maps, NeRF, planning control, model deployment, autonomous driving simulation testing, product management, hardware configuration, and AI job exchange [1]. - Interested individuals are encouraged to join the community by adding a WeChat assistant and providing their company/school, nickname, and research direction [1].