MIT State Estimation是由麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）和海洋工程系发布的状态估计基准测试，是状态估计和SLAM领域经典的基准之一。该基准提供了多个室内和室外场景的机器人和车辆数据，包含了激光雷达、相机、IMU、GPS、轮式里程计等多种传感器数据，提供了高精度的运动捕捉系统和GPS/IMU组合导航作为真值，支持多种评估指标（绝对轨迹误差ATE、相对位姿误差RPE、均方根误差RMSE等）。MIT State Estimation支持多种状态估计算法（激光SLAM、视觉SLAM、多传感器融合、因子图优化等），能够在真实世界数据上评估和比较不同算法的性能。该基准包含了多种挑战性场景（长走廊、动态物体、回环、GPS拒止环境等），能够全面评估算法的鲁棒性和精度。该基准推动了状态估计和SLAM算法的发展，多种经典和最新的SLAM算法（如GMapping、Cartographer、ORB-SLAM等）都在该基准上进行了评估。该基准被广泛应用于移动机器人、自动驾驶和导航等领域的研究和开发中。