帝国理工 NodeSLAM：物体级 SLAM 让机器人直接用「物体图」建图与规划

AjdDavison · x · 2026-10-07

帝国理工学院戴森机器人实验室（Andrew Davison 团队）的 NodeSLAM 系统：不做「先扫场景再拟合物体」的传统流程，而是直接在线拟合物体，让物体图本身充当场景地图。技术要点：- 用类别条件 VAE 学习各类物体的光滑形状潜空间，以少量参数表示物体形状；- 引入概率化、可微分的渲染引擎，将物体体积转为带不确定性的深度图，从而能用一或多张 RGB-D 图像优化出完整 3D 物体形状；- 首个能在物体级上联合优化物体位姿、形状与相机轨迹的 SLAM 系统。系统可快速增量地构建已知类别物体的学习形状模型地图，并直接用于简单但精确的运动规划，应用覆盖机器人抓取放置与 AR。