CVPR 2026 | ETH&微软：动态SLAM新SOTA！精度涨53%，速度提40倍

在自动驾驶和机器人导航中，传统的SLAM系统往往假设世界是静止的。一旦进入人流密集的街道或车辆穿梭的十字路口，这些系统常常会因为动态物体的干扰而“迷失方向”，导致轨迹漂移甚至完全崩溃。

现有的动态SLAM方法要么依赖预定义的物体类别（如只认识车和人），要么在复杂的室外环境中计算缓慢，难以满足实时性要求。

为了打破这一僵局，苏黎世联邦理工学院与微软的研究团队提出了DROID-W。他们巧妙地在经典的DROID-SLAM框架中引入了“不确定性感知”机制，让系统能够像人类一样，自动识别并忽略那些不可靠的动态物体。

这一方法不仅在各类真实世界动态数据集中刷新了精度纪录，更以约10 FPS的实时运行速度，让SLAM技术在“人从众”的野外场景中真正落地成为可能。