FastSLAM: A Factored Solution to the Simultaneous Localization and Mapping Problem

FastSLAM是由Michael Montemerlo、Sebastian Thrun、Daphne Koller和Ben Wegbreit于2002年提出的SLAM（同时定位与地图构建）经典论文，发表在AAAI 2002上。该论文提出了一种基于Rao-Blackwellized粒子滤波的SLAM方法，将SLAM问题分解为机器人路径估计和环境特征估计两个子问题，通过粒子滤波估计机器人路径，同时为每个粒子维护一个独立的环境特征地图。FastSLAM能够有效处理SLAM问题中的数据关联和闭环检测，在计算效率和精度上都优于传统的EKF-SLAM方法，是SLAM领域的里程碑论文。FastSLAM被引用超过5000次，对后续的SLAM研究产生了深远影响，催生了FastSLAM 2.0、GMapping等多种改进算法。