DiffRadar：基于高斯场的可微物理感知雷达SLAM

雷达传感在移动系统中的普及日益增长，因为它能够在弱光、恶劣天气以及隐私敏感环境中可靠工作，而这些条件下相机和LiDAR经常失效。然而，现有的雷达SLAM系统大多通过在离散化的雷达热图上进行扫描匹配来估计运动，这种方式破坏了几何连续性，且未能捕捉雷达的关键传感特性，常常导致在退化或动态变化环境中位姿估计不稳定和地图构建质量下降。

为了解决这一问题，来自研究团队的Gaurav Bagwe等人提出了DiffRadar——一种全新的实时雷达SLAM系统，它将雷达观测建模为可微的、物理感知的高斯场，而不是离散的扫描点。DiffRadar使用各向异性的高斯基元来表示场景，并通过一个可微的雷达前向模型在距离-方位和多普勒-方位空间中渲染雷达测量值，从而实现对机器人位姿和场景结构的直接联合优化。这种方法避免了传统扫描匹配中的信息损失，充分利用了雷达信号的连续性和物理特性。

研究团队在商用FMCW雷达硬件上实现了DiffRadar，并在两个主要评估方案上进行了测试：一是公共的Radarize基准测试，二是专门设计的压力测试套件，该套件针对常见的雷达SLAM故障模式，包括走廊退化、运动模式转换、动态杂波以及长周期闭环。实验结果显示，DiffRadar在基准测试中大幅降低了轨迹误差，特别是在特征贫乏的走廊运动场景中取得了尤为显著的提升；同时，地图一致性提高了一倍以上，并保持了70 FPS的实时运行性能。

这些结果表明，直接在信号域对雷达观测进行建模，能够使移动平台的纯雷达SLAM系统变得更加鲁棒和一致。该工作已提交至arXiv（编号2607.12265），并提供了相关代码与数据链接。这一成果为雷达SLAM领域提供了新的思路，有望推动移动机器人在复杂环境中的自主导航能力。