SLAM(即时定位与地图构建)是一个经过深入研究的计算问题，它涉及更新环境映射，同时跟踪代理的位置(一般来说，所述代理是无人机或机器人)。廉价、无处不在的深度传感器和复杂算法的出现，在一定程度上解决了这一问题，但即使是最先进的视觉系统也并不完美：对称和重复的模式有时会导致错误的地图，上述传感器往往会产生大量笨拙的数据。

图片来源：图虫创意

这就是为什么研究人员建议使用Wi-Fi传感技术来补充这项技术。在Arxiv.org上发表的一篇新论文《为室内应用增加可视SLAM与Wi-Fi感应》描述了一种将无线数据集成到可视SLAM算法中的“通用方法”，其目标是提高数据的准确性和最小化硬件开销。

“在大多数城市环境中，大多数机器人或移动设备都可以使用Wi-Fi无线网络，Wi-Fi无线接入点无处不在，Wi-Fi和视觉传感相互补充。在这项工作中，我们提出了一个通用的工作流程，将Wi-Fi传感技术结合到可视SLAM算法中，以减轻感知混叠和高计算复杂性。”该论文的作者写道。

研究人员的系统将来自摄像机的视觉框架(图像)与相应的Wi-Fi信号相关联。每走三到四米，机器人或移动设备就会暂停十秒钟来收集信号，然后与随后的任何视觉帧相关联，直到下一次暂停。Wi-Fi集群的分布，每一个都包含类似于识别标志的帧，有助于建立与当前帧的空间接近度。该团队指出，当前帧仅与类似集群内的帧进行比较，以便加快循环关闭，或者决定代理是否返回到以前访问过的区域。最后，将当前帧分配给正确的集群。

科学家们使用他们的技术检测了三个独立的开源可视化SLAM系统——RGBD-SLAM、RTAB-Map和ORB-SLAM，并在测试中使用微软Kinect传感器收集了测量结果(相当于大学校园建筑的四组数据)，该传感器安装在Turtlebot机器人上。分析表明，在所有四种算法中，平均准确率提高了11%，计算时间减少了15%至25%，并且与FABMAP(一种Wi-Fi增强SLAM系统)的性能相当，甚至在某些情况下更好。

当然，还有改进的空间。研究人员指出，Wi-Fi信号强度受“环境动态”的影响，比如房间里的人数和同时连接的设备数量，而房间里几乎没有像墙壁这样的“阻挡物体”，Wi-Fi集群的数量往往更少。此外，他们说，性能增益与访问点的数量有关，建议的方法适用于低至40的情况下将工作得更好。

尽管如此，该团队认为，通过一些改进(以及细粒度60GHz感应等技术)，他们的方法不仅可以用于当前和未来的机器人，还可以用于AR耳机，如微软的HoloLens和MagicLeap的One。他们写道：“我们希望展示Wi-Fi传感技术在城市空间长期持续使用中的效用。(我们已经证明)这些工作对机器人和移动设备都很有用。”