语义 SLAM 是否已准备好用于嵌入式系统？一项对比综述

《Robotics and Autonomous Systems》：Is semantic SLAM ready for embedded systems? A comparative survey

　　

摘要

语义 SLAM 在复杂环境中的机器人稳健导航方面前景广阔，但其在嵌入式系统上的实用性仍不确定。本文从嵌入式部署视角，对现有的语义视觉 SLAM 系统进行了对比综述。与近期以隐式表示、NeRF 或 3D 高斯泼溅作为场景表示为中心的调查不同，我们的研究范围是完整的语义 SLAM 流水线在资源受限机器人平台上的可部署性，特别是重点关注英伟达 Jetson AGX Orin。评估了三种语义感知架构方法，即几何 SLAM、NeRF 和基于高斯泼溅的 SLAM，评估维度包括准确性、语义重建质量、内存占用、功耗和吞吐量。我们的 Jetson 测量结果显示，语义几何 SLAM 目前在准确性与效率之间提供了最实用的平衡，而基于高斯泼溅的系统需要超过 16GB 的内存，功耗超过 15W，且距离实时运行尚远。结果还表明，离线语义预处理可能会掩盖语义集成的真实成本。因此，我们确定了将语义 SLAM 算法适应于嵌入式系统的研究空白，并提出未来工作的方向，包括硬件算法协同设计和节能优化。

Calvin Galagain|Martyna Poreba|Fran?ois Goulette