💻 computer science

VBGS-SLAM: Variational Bayesian Gaussian Splatting Simultaneous Localization and Mapping

VBGS-SLAM 提出了一种结合变分推断与高斯共轭性质的概率生成框架，通过显式维护姿态和场景参数的后验不确定性，有效解决了现有 3D 高斯泼溅 SLAM 方法对初始化敏感及灾难性遗忘的问题，从而在保持高效高质量渲染的同时显著提升了长序列定位的鲁棒性。

原作者： Yuhan Zhu, Yanyu Zhang, Jie Xu, Wei Ren

发布于 2026-04-07

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Yuhan Zhu, Yanyu Zhang, Jie Xu, Wei Ren

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一种名为 VBGS-SLAM 的新技术，它能让机器人或自动驾驶汽车在移动时，一边“看”世界，一边在脑海里快速构建一个高精度的 3D 地图，同时知道自己确切的位置。

为了让你更容易理解，我们可以把这项技术想象成一个拥有“超级直觉”和“记忆管理大师”的探险家。

1. 以前的探险家遇到了什么麻烦？

想象一下，以前的机器人（比如早期的 SLAM 系统）在探索一个巨大的迷宫（现实世界）时，通常有两种笨办法：

方法 A（点云法）： 像用无数个小沙粒堆出迷宫的轮廓。虽然能堆出来，但沙粒太多，占地方（内存大），而且如果沙粒没堆好，有些地方就是空的，看不清全貌。
方法 B（神经网络法）： 像请了一位画家，让他用画笔（神经网络）在脑子里“画”出迷宫。但这画家很固执，每来一个新房间，他就要把整幅画擦掉重画（重新训练），速度极慢，而且如果画错了，之前的记忆就全忘了（灾难性遗忘）。

后来出现了一种叫 3DGS（3D 高斯泼溅） 的新方法，就像是用无数发光的彩色气球来代表世界。

优点： 气球可以随意变形、移动，渲染（画出来）的速度极快，画面非常逼真。
缺点： 以前的“气球探险家”太依赖“死记硬背”。如果一开始气球摆的位置稍微偏了一点，或者走得太快，它就容易迷路，而且一旦迷路，它不知道“我是不是看错了”，只会硬着头皮继续错下去，导致地图越画越歪。

2. VBGS-SLAM 的“超能力”：不确定性思维

这篇论文提出的 VBGS-SLAM，给这位“气球探险家”装上了一个**“概率大脑”**。

核心比喻：从“死脑筋”到“有直觉的侦探”

以前的做法（确定性优化）：
就像侦探说：“那个物体肯定在 A 点，那个物体肯定在 B 点。”如果一开始猜错了，后面所有的推理都会错，而且侦探从不承认自己可能猜错。
VBGS-SLAM 的做法（变分贝叶斯推断）：
现在的侦探会说：“我觉得那个物体大概率在 A 点，但也有一点点可能在 B 点。”
- 它知道“我不确定”： 当光线不好、或者动作太快时，它会意识到“我现在有点晕，我的位置估计不太准”。
- 它懂得“留有余地”： 因为它知道自己可能看错了，所以在更新地图时，它不会把旧的记忆彻底覆盖掉，而是把新旧信息融合，保留“不确定性”。这就像侦探在笔记本上写：“这里可能是墙，但也可能是门，需要再确认”，而不是直接画死。

3. 它是如何工作的？（三个关键步骤）

第一步：用“数学魔法”代替“暴力计算”

以前的气球系统需要像推磨一样，一遍遍调整每个气球的位置（梯度下降），非常慢。
VBGS-SLAM 利用了一种叫**“共轭先验”**的数学技巧。

比喻： 以前是每来一个新线索，就要重新算一遍所有账（慢）；现在是利用数学公式，直接算出新线索对旧账的修正值（快）。这就像你不用重新算整个账本，只需要在最后一行加个数字，就能知道总账是多少。这让它的速度非常快，能实时运行。

第二步：位置与地图“手牵手”

在以前的系统里，机器人先算“我在哪”，再算“地图长啥样”，两步是分开的。
VBGS-SLAM 把这两步绑在一起了。

比喻： 就像两个人在迷雾中走路，一个人（位置）拉着另一个人（地图）。如果地图模糊了，位置也会跟着调整；如果位置不确定，地图也会变得“软”一点，不会强行把路画直。这种**“概率耦合”**让它们在遇到突发情况（比如突然有人走过、光线变暗）时，不会轻易崩溃。

第三步：聪明的“记忆管家”

为了不让气球（数据）太多把内存撑爆，它有一套**“关键帧管理”**机制。

比喻： 就像你整理相册。如果新拍的照片和上一张差不多，它就不存（避免冗余）；如果新拍的照片里有以前没见过的角落，它就赶紧存下来（填补空白）。而且，它还会定期“修剪”那些没用的气球，保持地图既清晰又轻便。

4. 效果怎么样？

论文在几个著名的测试场景（像虚拟办公室、真实房间、带回环的桌子）中做了实验：

更准： 在长距离行走中，它不容易“漂移”（走远了不知道自己在哪）。
更稳： 即使一开始位置猜错了，或者环境很乱，它也能自我纠正，不会像以前的系统那样直接“死机”或乱画。
更快： 它的渲染速度（把 3D 地图变成画面的速度）非常快，甚至能超过很多现有的顶尖方法，达到了实时互动的水平。
画质好： 生成的画面细节丰富，没有那种模糊或奇怪的噪点。

总结

VBGS-SLAM 就像是给机器人装上了一颗既聪明又谨慎的大脑。
它不再盲目地相信自己的眼睛，而是懂得**“在不确定中寻找最佳可能”**。通过用数学上的“概率”来管理记忆和位置，它解决了以前 3D 地图构建中容易迷路、容易遗忘、速度太慢的三大难题，让机器人能更流畅、更真实地在我们的世界中导航和重建。

简单来说：以前的系统像是一个死记硬背的学生，容易考砸；VBGS-SLAM 像是一个懂得变通、知道何时该存疑的学霸，既能快速解题，又能保证答案靠谱。

VBGS-SLAM 技术总结

1. 研究背景与问题定义

3D 高斯泼溅（3DGS） 在 3D 场景建模方面表现出色，但其现有的即时定位与地图构建（SLAM）变体（如 SplaTAM, MonoGS）存在显著局限性：

初始化敏感与漂移： 现有方法通常依赖直接、确定性的位姿优化（基于梯度下降），对初始化非常敏感，且容易在长序列运行中产生累积漂移。
灾难性遗忘： 随着地图演化，确定性优化缺乏对不确定性的建模机制，导致新观测可能覆盖旧内容，引发灾难性遗忘。
计算效率与耦合问题： 现有的高斯泼溅 SLAM 系统通常将地图更新和位姿跟踪紧密耦合且计算量大，难以扩展到长序列。
现有变分方法的局限： 虽然变分贝叶斯高斯泼溅（VBGS）能进行不确定性量化，但其假设相机位姿已知，仅适用于离线重建，无法直接应用于在线 SLAM 场景。

核心问题： 如何构建一个既能保持 3DGS 的高效渲染和高质量重建，又能通过概率框架联合优化相机位姿和场景参数，从而具备抗漂移能力和鲁棒性的在线 SLAM 系统？

2. 方法论：VBGS-SLAM

作者提出了 VBGS-SLAM（Variational Bayesian Gaussian Splatting SLAM），这是一个完全概率化的 RGB-D SLAM 框架，将高斯泼溅与变分贝叶斯推断相结合。

2.1 核心思想

生成式概率模型： 将 3D 场景表示为 3D 高斯椭球体的混合模型，将相机位姿 $T_t$ 建模为潜在变量（Latent Variable），而非固定值。
联合推断： 通过变分推断（Variational Inference），同时推断相机位姿分布（ $q(T_t)$ ）和场景高斯参数分布（位置、颜色、协方差等）。
闭式解更新： 利用多元高斯分布的共轭性质（Conjugate Properties），推导出位姿和地图参数的闭式更新规则（Closed-form updates），避免了耗时的梯度下降优化。

2.2 关键算法流程

系统初始化： 利用 RGB-D 图像反投影生成稠密点云，构建初始 3D 高斯地图。
生成先验模型：
- 定义生成模型，其中 3D 点的空间位置 $s_n$ 依赖于相机位姿 $T_t$ 。
- 相机位姿 $T_t$ 被建模为 $se(3)$ 空间上的多元高斯分布（MVN）。
- 通过线性化（一阶泰勒展开）处理位姿与高斯地图之间的非线性关系，推导雅可比矩阵。
变分后验推断：
- 采用均值场近似（Mean-field approximation），将联合后验分布分解为位姿因子和地图因子的乘积。
- 软分配（Soft Assignment）： 在计算点与高斯分量的分配概率时，显式地对相机位姿的不确定性取期望（Expectation），使得点分配对位姿噪声具有鲁棒性。
- 位姿更新： 基于充分统计量（Sufficient Statistics）推导位姿均值和协方差的闭式更新公式（公式 14-15），实现了位姿不确定性的传播。
关键帧管理与自适应高斯管理：
- 关键帧选择： 结合高斯共视性（Co-visibility）和时间约束，避免冗余关键帧并防止慢速运动下的漂移。
- 自适应管理： 动态插入新高斯以填补覆盖不足区域，并修剪冗余高斯，保持地图紧凑性。

3. 主要贡献

首个概率化 3DGS SLAM 框架： 提出了一种将 3D 高斯泼溅与变分贝叶斯推断结合的 SLAM 系统，首次实现了位姿和地图参数的联合概率推断。
闭式更新与高效性： 利用共轭先验推导出了位姿和地图参数的闭式更新规则。相比基于梯度的优化方法，该方法计算效率更高，无需密集渲染即可更新参数。
不确定性感知与鲁棒性： 系统显式维护位姿和场景参数的后验不确定性。这种机制有效缓解了累积漂移，提高了在长序列、快速运动或初始化不佳情况下的鲁棒性，并减少了灾难性遗忘。
优越的性能表现： 在多个基准数据集上实现了 SOTA 的定位精度和重建质量，同时保持了实时的渲染帧率。

4. 实验结果

作者在 Replica（合成）、TUM-RGBD（真实世界）和 AR-TABLE（真实世界，长序列）三个数据集上进行了评估，对比了 NICE-SLAM, Vox-Fusion, Point-SLAM, SplaTAM, MonoGS 等主流方法。

定位精度（ATE）：
- Replica: 平均 ATE 为 0.33 cm，优于 SplaTAM (0.36 cm) 和 Point-SLAM (0.53 cm)。
- AR-TABLE: 在长序列任务中表现最佳，平均 ATE 为 5.94 cm，显著优于 MonoGS (7.64 cm) 和 SplaTAM (7.75 cm)，且运行更稳定，未出现跟踪失败。
- TUM-RGBD: 平均 ATE 为 7.69 cm，虽略逊于 SplaTAM（受动态行人干扰影响），但优于其他基线方法。
重建质量与效率：
- 渲染质量： 在 Replica 上 PSNR 达 37.94 dB，在 AR-TABLE 上达 35.24 dB，纹理细节保留良好，边缘清晰，无明显伪影（如光晕或模糊）。
- 运行速度： 在 AR-TABLE 上达到 1.374 FPS，是 MonoGS 的 2 倍，SplaTAM 的 5 倍，且 GPU 占用率更低。
消融实验（IMU）： 即使不引入 IMU 数据，仅依靠 RGB-D 的变分推断也能获得稳定的定位和重建。加入 IMU 仅带来微小的精度提升（ATE 从 5.94cm 降至 5.71cm），证明了框架本身的鲁棒性。

5. 意义与展望

理论意义： 成功将变分贝叶斯推断引入 3DGS SLAM，解决了确定性优化在不确定性建模上的缺失，为 SLAM 系统提供了一种 principled（有原则的）概率建模范式。
应用价值： 该方法在保持 3DGS 高保真渲染和实时性的同时，显著提升了长序列跟踪的稳定性，适用于机器人导航、自动驾驶等对鲁棒性要求高的场景。
未来方向： 计划将模型扩展至动态场景（引入运动先验）和多传感器融合设置，以进一步拓宽应用场景。

总结： VBGS-SLAM 通过引入变分贝叶斯推断，将 3D 高斯泼溅从一种高效的渲染工具升级为一种鲁棒、概率化的 SLAM 解决方案，在精度、鲁棒性和效率之间取得了极佳的平衡。