近年来，学习驱动方法显著提升了同步定位与地图构建（Simultaneous Localization and Mapping, SLAM）系统的能力，特别是在噪声、动态物体和感知模糊等挑战性环境中。然而，现有文献在感知模态、数据集、评估协议和报告实践方面存在高度异质性，使得系统比较变得困难。本文提出了一种基于分类学的学习驱动SLAM方法综述，特别侧重于移动机器人中的激光雷达（Light Detection and Ranging, LiDAR）系统，并引入了一种功能分类学，根据学习在SLAM架构中的作用对方法进行分类：（i）学习增强型前端SLAM（T1），（ii）学习增强型后端SLAM（T2），以及（iii）学习核心型SLAM系统（T3）。研究人员对代表性研究在性能特征、鲁棒性、计算需求、数据集和部署相关证据方面进行了分析。分析表明，T1方法主要改善局部位姿估计和鲁棒性，T2方法通过学习驱动的闭环检测和重定位增强全局一致性，而T3方法探索统一表示、语义推理和学习核心型自主能力，尽管其计算需求更高且部署证据有限。该综述进一步指出，结合几何和学习组件的混合方法是文献中的显著趋势，频繁报告在精度和适应性方面的改进，同时保持与成熟SLAM框架的兼容性。尽管如此，这些观察结果应谨慎解释，因为混合系统的更强实证证据可能部分反映了其更高的技术成熟度和更广泛的评估历史。最后，该综述识别了持续性挑战，包括有限的跨域泛化、高计算需求、有限的部署导向评估，以及缺乏标准化基准测试和报告实践。这些发现突显了对更可复现的评估方法学、不确定性感知学习策略以及用于鲁棒真实世界自主SLAM的计算高效架构的需求。
1 引言
同步定位与地图构建（SLAM）是移动机器人和自主系统的基本能力，使其能够在增量构建周围环境表示的同时估计自身位姿。可靠的SLAM是广泛应用的前提，包括自主导航、巡检、探索、物流和服务机器人，以及复杂动态环境中的部署。现代SLAM系统已在多种感知模态和配置中得到发展，从立体视觉流水线到结合视觉、惯性传感器和距离感知的多模态融合方法。混合感知和重建框架进一步展示了通过传感器融合和语义集成实现更丰富地图表示的趋势。随着SLAM系统在日益多样化和长期的环境中部署，鲁棒性变得至关重要，特别是在感知混叠、视角变化和动态环境条件下。
经典SLAM流水线通常依赖几何匹配、特征提取、概率估计和基于图的优化来实现局部精度和全局一致性。然而，这些流水线可能在观测间低重叠、稀疏或噪声测量，以及违反静态世界假设的动态物体等条件下退化。此外，实际部署经常施加低成本传感器和有限计算预算等约束，激励了高效定位和系统级设计方面的研究。
近年来，学习驱动方法作为有前景的范式出现，通过利用数据驱动表示来缓解这些局限性。这些方法包括深度神经网络、概率学习模型和强化学习策略，能够捕捉手工设计几何特征之外的情境线索和语义结构。早期集成工作强调语义分割和运动物体检测，旨在改善数据关联并减少动态元素对地图构建和定位的影响。超越感知，学习也被应用于运动估计和里程计。自监督和弱监督策略通过利用几何一致性和时间约束来学习相对运动，无需昂贵的真值标签。近期方法将这些思想扩展到使用基于学习的模型的多传感器融合里程计，提高了具有挑战性或退化条件下的鲁棒性。与此同时，基于学习的地点识别和闭环机制受到关注，因为稳健的闭环推理对于控制长期漂移至关重要。
更近的研究转向了超越模块化增强的学习核心型SLAM表述。一个显著趋势是隐式表示和数据驱动地图模型的使用，以连续紧凑的方式表示环境。例如，PIN-SLAM利用基于点的隐式神经表示来改善全局地图一致性，同时保持局部精度。扩展结合上下文推理和语义的成果也反映了这种向地图构建、优化和学习表示更紧密耦合的转变。
尽管工作不断增加，学习驱动SLAM的文献仍然分散且异质。现有方法在感知假设、训练程序、评估协议和集成到经典流水线的程度方面差异很大，这使得公平比较和实际指导变得复杂。现有综述通常按照感知模态、算法技术或应用领域对SLAM方法进行分类。虽然这些视角提供了有价值的见解，但它们往往使得使用不同传感器但以类似方式将学习集成到SLAM流水线中的方法难以比较。
2 材料与方法
本综述采用系统性和可复现的程序来识别、筛选、分类和分析学习驱动SLAM方法的文献。该方法结合了PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）对齐的选择工作流程和面向功能的分类框架。
搜索策略主要针对Scopus和Web of Science数据库，使用基于概念的查询构建方法，涵盖四个核心概念维度：(i) SLAM相关过程，(ii) 感知模态，(iii) 基于学习的方法论，以及(iv) 目标机器人应用领域。使用布尔运算符组合这些概念块以最大化召回率，同时保持主题相关性。
纳入标准包括：研究涉及SLAM或核心SLAM子模块（里程计、配准、闭环、全局优化、地图构建）；基于学习的方法作为主要方法论组件或作为集成到SLAM流水线的重要模块；贡献目标为移动机器人或自主系统；研究提供了关于方法论和评估的充分技术细节。
提出的功能分类学将文章分为三个类别：T1—学习增强型前端SLAM，学习增强局部估计模块（里程计、扫描匹配、特征提取、动态滤波），而全局优化保持主要为几何型；T2—学习增强型后端SLAM，学习改善全局推理模块（闭环检测、地点识别、位姿图优化、重定位）；T3—学习核心型SLAM系统，学习主导核心表示或决策过程，包括隐式表示、语义SLAM、基于强化学习的SLAM和端到端SLAM。
3 T1：学习增强型前端SLAM与定位
T1类别涵盖将基于学习的方法主要集成到SLAM流水线前端的方法。这些方法不替代概率后端，而是增强感知、特征提取、扫描匹配、数据关联和运动估计。其目标是在动态条件、部分可观测性和传感器退化下提高鲁棒性。
3.1 基于学习的LiDAR里程计与配准
T1中的主导趋势是基于学习的LiDAR里程计和配准。这些方法采用数据驱动表示，包括学习点特征和基于投影的编码，以减少漂移并改善扫描对齐。动态场景鲁棒性通过分割和物体过滤来解决，减轻由运动物体引起的错误对应并改善局部一致性。
3.2 基于学习的多传感器融合
另一个关键方向是基于学习的多传感器融合。序列和基于注意力的模型补偿LiDAR-惯性测量单元（Inertial Measurement Unit, IMU）和LiDAR-相机配置中的传感器偏差和非线性。虽然闭环通常与后端相关，感知层面的描述子学习在T1中仍然相关，通过鲁棒嵌入构建来改善全局重定位。
3.3 动态场景鲁棒性
动态环境中的稳健运行仍然是前端SLAM系统最具挑战性的问题之一。运动物体、临时遮挡和场景变化频繁引入错误特征对应和不稳定几何约束，导致定位漂移和退化地图一致性。近期基于学习的方法越来越多地结合语义分割、运动感知滤波和自适应特征加权机制。动态物体分割代表最广泛采用的策略，通过识别和移除潜在不稳定观测来减少定位漂移并改善轨迹一致性。语义感知运动估计和特征加权技术通过将上下文信息纳入估计过程进一步增强鲁棒性。
3.4 计算特征与部署就绪性
不同模型族提供定位精度、计算复杂性、推理速度和部署可行性之间的不同权衡。卷积架构（Convolutional Neural Network, CNN）仍然是学习增强前端SLAM的主导选择，因其计算效率和定位性能之间的有利平衡。基于Transformer的模型最近受到关注，用于传感器融合和长距离特征关联，尽管它们通常涉及更大的参数量和比传统卷积架构更低的推理率。递归模型如长短期记忆（Long Short-Term Memory, LSTM）网络继续提供高效的时序细化能力，计算开销相对较低。
部署相关信息的提取显示，大量T1研究报告在地面机器人平台上的验证，突显学习增强前端SLAM方法的实际相关性。相当数量的出版物也报告实时运行，表明计算效率在系统设计期间经常被考虑。然而，嵌入式实现、边缘计算平台、硬件约束和能量感知优化的明确报告仍然相对有限，仅少数研究提供在NVIDIA Jetson等资源受限平台上部署的详细信息。
4 T2：学习增强型后端SLAM
与T1方法聚焦于改善局部几何估计不同，T2方法将学习增强机制纳入SLAM流水线的全局推理阶段。深度学习主要集成到地点识别和闭环中，从传感器数据中提取学习表示和描述子以生成候选闭环，作为虚拟约束引入经典后端。
4.1 基于学习的地点识别与描述子提取
T2中的关键研究方向是基于学习的地点识别和闭环检测。传统基于手工描述子和启发式相似性度量的方法通常在视角变化、部分重叠、季节变化和光照差异下退化。相比之下，基于学习的方法直接从点云数据中提取判别性全局描述子，显著提高大规模环境中的鲁棒性。每个LiDAR扫描被编码为紧凑嵌入，通过最近邻搜索在学习描述子空间中检索闭环候选。
后续进展通过多尺度特征提取、不变表示和增强聚合机制改善了描述子质量。局部引导特征学习将局部几何结构集成到全局嵌入中，实现更具判别性的表示同时保持可扩展性。基于Transformer的架构被引入以捕获LiDAR数据中的长程空间依赖性，实现扫描重叠的直接估计并产生_yaw_不变描述子，显著提高挑战性条件下的闭环检测性能。混合架构结合注意力机制和卷积特征提取Secure Shell，进一步增强联合建模局部几何和全局上下文的能力。鸟瞰图（Bird's-Eye-View, BEV）投影等替代表示也被探索以正则化空间结构并简化特征学习。
4.2 闭环验证与全局一致性增强
超越描述子学习，近期方法走向更集成的流水线，联合解决闭环检测、验证和配准。这些方法结合学习描述子检索与几何对齐，为位姿图生成可靠约束，减少假阳性并改善全局一致性。不确定性感知机制和置信度估计策略被引入以过滤闭环候选并在优化框架内自适应加权残差。语义地标辅助闭环也被探索，例如整合光学字符识别（Optical Character Recognition, OCR）文本语义与几何约束，在结构重复环境中识别候选闭环。
4.3 自适应概率估计与重定位
学习也被集成到概率估计和重定位机制中。可训练扩展卡尔曼滤波（Extended Kalman Filter, EKF）配备神经组件，实现噪声协方差的自适应估计，提高传感器退化下的鲁棒性并在SLAM故障或退化期间实现可靠运行。基于学习的重定位策略利用无监督特征提取约束粒子滤波采样，减少不确定性并提高全局定位任务中的效率。
5 T3：学习核心型SLAM系统
T3代表从学习组件的模块集成向学习核心型SLAM表述的概念转变。在这些方法中，基于学习的方法不仅辅助几何流水线，而且在结构化感知、地图构建和有时决策制定中发挥中心作用。此类别还包括学习方法对系统运行至关重要的方法，当这些组件被移除时性能显著下降或系统无法运行。
5.1 感知与语义SLAM
此子类别关注将基于学习的感知纳入SLAM系统，其中神经模型用于直接从感官输入中提取语义和结构信息。学习在塑造环境表示方式中发挥中心作用，超越纯几何重建走向语义丰富的地图。多个工作将物体级别信息集成到SLAM流水线中，利用CNN识别场景中的相关实体并将其纳入地图表示，改善动态和静态元素之间的区分。混合框架结合物体检测和语义分割与SLAM，通过明确识别和建模场景中的非静态元素来改善动态条件下的鲁棒性。近期动态场景理解通过将实时检测框架纳入SLAM流水线来解决，例如结合改进的YOLOv8架构与ORB-SLAM3，在状态估计前显式移除动态特征，显著减少高度动态环境中的轨迹误差。
5.2 混合与端到端方法
此子类别涉及将基于学习的模型集成到SLAM的核心估计过程中。在这些方法中，学习直接影响位姿估计、里程计或地图构建，使其成为系统运行的基本组件而非辅助模块。混合方法结合经典几何公式与学习表示，以在挑战性条件下提高鲁棒性。端到端方法旨在使用深度神经网络直接从原始传感器数据推断运动或空间表示，减少显式前后端分离的依赖。代表性示例包括用于视觉-LiDAR SLAM的无监督多模态深度神经网络，其中定位和地图构建联合从数据中学习。
5.3 传感器与数据增强
此方向关注使用基于学习的方法来增强集成到SLAM流水线之前的感官数据质量。这些方法旨在提高输入数据的可靠性和表达性，从而实现更准确的下游处理。神经网络可用于从稀疏点云重建密集几何信息，有效提高数据的分辨率和结构丰富性。高级深度架构也被用于多源LiDAR数据的语义分割，在定位或地图构建模块使用之前提取有意义的结构和上下文信息。
5.4 决策制定与导航
T3中最高级别的学习集成体现在超越估计和地图构建以解决决策制定和导航的方法中。在这些系统中，基于学习的模型用于确定机器人的动作。强化学习（Reinforcement Learning, RL）已成为此背景下的主导范式，使机器人能够直接从与环境的交互中学习导航和探索策略。更紧密集成的方法在统一学习框架内结合SLAM和决策制定，例如在主动SLAM表述中，策略被学习以同时估计环境状态并决定未来动作，通常使用基于LiDAR的输入和深度强化学习技术。这些方法是传统SLAM流水线的重大转变，其中估计和规划被视为独立模块。
从计算角度看，T3方法通常比T1和T2要求更高的内存和处理资源，特别是涉及隐式神经场或Transformer架构时。实时部署对许多学习核心型系统仍然具有挑战性，特别是在嵌入式机器人平台上。
6 讨论
6.1 准确性与漂移减少方面的影响
学习对定位精度的影响在三个类别中差异显著。T1方法主要增强前端操作如特征提取、扫描匹配和里程计估计，因此有效减少局部位姿误差和缓解短期漂移，特别是在受噪声、稀疏观测或动态物体影响的环境中。然而，由于这些方法通常在SLAM流水线的前端运行，除非辅以全局优化机制，否则其控制长期漂移的能力有限。T2方法通过将学习引入闭环检测、地点识别和重定位过程直接针对此局限性，通过改善数据关联和全局一致性约束的可靠性，显著减少长轨迹和大规模环境中的累积漂移。T3方法追求更雄心勃勃的目标，通过习得表示替换或重构多个SLAM组件。
6.2 鲁棒性与泛化
鲁棒性是真实世界部署的关键要求。T1方法通过学习对光照变化、遮挡和运动物体不太敏感的特征或表示来提高鲁棒性，但其学习组件在面对与训练期间显著不同的环境时可能退化。T2方法在长期运行中通常表现出更强的鲁棒性，因为它们利用学习描述子进行地点识别，同时保持传统SLAM的几何一致性机制。域偏移是所有类别的主要挑战，T3方法特别容易受到影响，因为学习表示可能无法在不同场景、天气条件、传感器配置或操作域之间泛化。
6.3 计算与部署考量
学习集成不可避免地引入计算开销。T1方法需要持续推理，导致系统运行期间持续的计算需求。T2方法通常在计算成本和性能增益之间呈现更有利的平衡，因为闭环和重定位是间歇性执行而非持续进行。T3方法引入最高的计算需求，因为学习通常嵌入SLAM流水线的多个阶段或完全替换传统几何模块。从部署角度看，T1和T2方法可以相对较小地集成到现有SLAM框架中，而T3方法通常需要整体系统架构的实质性重新设计。
6.4 研究成熟度与未来方向
三个类别的成熟度差异显著。T1和T2方法已达到相对成熟的开发阶段，得到基准数据集和真实机器人平台上广泛实验验证的支持。相比之下，T3方法仍然是活跃的研究前沿，其前景在于统一表示能够联合解决感知、定位、地图构建和决策制定的可能性。未来研究应优先关注标准化评估协议，超越定位精度，系统评估不确定性估计、对域偏移的弹性或失效模式表征。
7 结论
本文提出了学习驱动SLAM方法的分类学驱动分析，特别关注移动机器人中的LiDAR系统。与按感知模态、算法族或个别流水线组件组织的传统综述不同，本工作引入了根据学习在SLAM架构中的结构作用对方法进行分类的功能分类学。分析表明，学习的影响在分类学级别间差异显著：T1主要通过基于学习的特征提取、扫描匹配、传感器融合和动态物体过滤增强局部估计过程；T2通过学习地点识别、闭环检测、重定位和位姿图优化增强全局一致性；T3则代表向学习核心型架构的转变。
比较分析表明，结合几何方法与基于学习的模块的混合方法是当前文献中的显著趋势，特别是在T1和T2系统中。然而，这些观察应谨慎解释，因为混合系统的更强实证证据可能部分反映其更高的技术成熟度和更广泛的评估历史。该综述识别的持续性挑战包括：跨环境泛化有限、实时运行计算需求高、缺乏标准化评估和报告实践。T1语料库的定量证据进一步表明，仅22项研究明确报告实时运行，4项描述嵌入式实现，仅1项研究涉及能量感知设计考虑。未来研究应专注于改善跨域泛化、减少对大标注数据集的依赖、加强不确定性感知估计、提高嵌入式和资源受限平台的计算效率，以及促进标准化基准测试和报告实践。
