- 传统**SLAM(同时定位与建图)** 系统在动态室内环境中存在缺陷，如对环境变化敏感、依赖移动单元传感器
- 动态环境中机器人的实时建图和定位精度不足，影响导航与人机交互安全性
- 现有方法难以实现全面、持续更新的全局地图，应对盲点和空间覆盖问题
- 部署固定**RGB-D相机(rgb-depth camera)** 网络，通过策略性布局覆盖整个工作空间
- 采用**集中式建图(centralized mapping)** 方法，由固定传感器生成并持续更新全局地图
- 结合机器人自身数据集成以解决盲区问题，并引入**自动校准(automatic calibration)** 优化相机放置与朝向
- 设计增强通信协议实现实时数据共享，减少单个机器人计算负载
- **首创性**：提出**UbiSLAM**，首次将固定传感器网络而非移动单元用于支持多机器人SLAM
- **结构创新**：集中式地图由固定相机生成，机器人可直接获取全局视图，避免传统SLAM的累积误差
- **效率提升**：显著降低机器人端计算需求，允许低复杂度平台高效运行，增强系统鲁棒性
- **交互优化**：通过实时、准确的全局地图促进更平滑的人机交互，减少碰撞风险
- 为动态室内环境提供了一种**普适建图与定位范式(ubiquitous mapping and localization paradigm)**
- 解决了传统SLAM对环境变化敏感、依赖移动传感器的问题，提升定位精度与响应速度
- 通过减少机器人计算负载，降低了部署复杂机器人的门槛
- 讨论了自动校准与通信协议等实用解决方案，推动该技术在实际场景中的应用