建物検査や倉庫の通路監視など、複数のロボットによる同時 localization and mapping（SLAM）が求められる場面では、オペレータは各ロボットの位置とマッピング状態を常に把握する必要がある。従来の2Dインターフェースでは、この空間認識を維持することが難しく、ロボットの台数が増えるほど負担は大きくなる。そこで研究チームは、複合現実（MR）を活用してマルチロボットSLAMの監督を支援するシステム「MR-SLAM」を開発した。
MR-SLAMの中心的な仕組みは、オペレータがMeta Quest 3ヘッドセットを装着し、パススルービューを通して現実空間を見ながら、3台のシミュレーションTurtleBot3ロボットを同時に遠隔操作できる点にある。現実世界の遮蔽（オクルージョン）効果も再現され、空間認識が向上する。各ロボットは独立したSLAM Toolboxインスタンスを実行して占有グリッドマップを生成し、それらはROS 2ベースのバックエンドでリアルタイムに統合される。さらに、空間内の固定位置にダッシュボードパネルを配置することで、オペレータは画面を切り替えることなくマッピングの進捗をその場で確認できる。
性能評価は、それぞれ9分間の5つのセッションで実施された。その結果、スキャン频率は平均8.83 Hz（標準偏差0.16 Hz）、統合後の占有面積は平均17.9 m²（標準偏差0.8 m²）であった。特筆すべきは、ロボットペア間の占有一貫性が94.7%（標準偏差0.5%）に達した点であり、独立したマッピング結果が統合後も高い整合性を保つことを示している。また、追加のセッションでは、変換ジッタの中央値が6.3 ms、41 m²のグリッドに対して26.7 m²のカバレッジを記録した。
本研究成果は、ICRA 2026の「MM-SpatialAI Workshop」に採択され、arXiv（2605.16432）で公開されている。著者はPrakash Aryanら5名である。MR-SLAMは、パススルー複合現実による監督とマルチロボットSLAMをコンシューマーハードウェア上で組み合わせるためのリファレンス実装として位置づけられており、今後の没入型ヒューマン・ロボットインタラクション研究の基盤となることが期待される。