核心观点 - 苏黎世联邦理工与微软的研究团队提出了一种名为DROID-W的动态SLAM框架，该框架通过显式建模逐像素的动态不确定性，并利用交替优化策略，有效解决了传统SLAM在真实动态场景中的性能瓶颈，实现了无需依赖动态物体类别先验、适用于“随手拍”真实世界的实时SLAM系统 [6] 技术原理与创新 - 核心改进：DROID-W的关键改进在于将“动态带来的不可靠性”显式建模为逐像素的动态不确定性，通过度量帧间DINO特征相似度来衡量，并在Bundle Adjustment优化中自动抑制高不确定区域的残差影响 [12] - 优化策略：为解决大规模联合优化带来的高昂计算成本，系统采用了交替优化方案，一边执行相机位姿与深度的优化，一边根据多视角视觉特征的一致性迭代更新动态不确定性，从而适用于在线系统 [12] - 底层路线：与依赖预定义动态类别或语义分割先验的方法不同，DROID-W强调从多视角观测一致性本身识别不可靠区域，无需预设动态物体类别或建立高质量静态场景 [8] 性能表现 - 处理速度：该工作在RTX 5090上可以达到约30 FPS的实时性能 [6] - 精度提升：在新提出的DROID-W数据集上，DROID-W的平均轨迹误差仅为23厘米，而原始DROID-SLAM的误差为1.46米，精度提升显著 [18] - 泛化能力：在Bonn、TUM、DyCheck等动态数据集上，DROID-W均取得了最优表现，并在来自YouTube的“in-the-wild”视频片段中展现了良好的通用性与鲁棒性 [16][18] 应用与影响 - 模块通用性：DROID-W提出的动态不确定性感知模块可以即插即用地应用到多种SLAM框架中，有效提升其在真实动态环境中的性能 [6] - 解决传统困境：传统SLAM基于静态场景假设，在真实世界的行人、车辆、反光等动态因素下易产生跟踪漂移和建图错误，DROID-W旨在解决此问题 [7][8] - 软抑制优势：系统采用连续的不确定性估计进行“软抑制”，而非一刀切的动态掩码，使得当物体局部运动或重新静止时，系统仍能利用其中的可靠信息继续跟踪，更适合真实世界 [14][15] 数据集与验证 - 新数据集：为验证方法在真实场景的适用性，研究团队引入了新的DROID-W数据集，包含7段Downtown序列，配有RTK支持的真值轨迹，模拟了高动态、图像过曝、镜面反射、太阳光晕等真实野外复杂场景 [16] - 测试范围：实验不仅限于常用室内动态数据集，还扩展至更偏室外、开放、接近真实拍摄条件的数据，以评估系统的实际应用能力 [16]