在建筑巡检或仓库通道监控等场景中，操作员需要同时管理多个机器人进行同步定位与建图（SLAM），并持续掌握每个机器人的位置和建图状态。传统的二维界面很难直观呈现这些空间信息，随着机器人数量增加，操作负担会迅速加重。为此，研究者提出了 MR-SLAM，一个利用混合现实（MR）技术来提升多机器人 SLAM 监督体验的系统。
MR-SLAM 的核心设计是让操作员佩戴 Meta Quest 3 头显，通过透视视图观察真实环境，并利用真实世界遮挡效果来增强空间感知。操作员可以同时遥操作三个模拟的 TurtleBot3 机器人，每个机器人独立运行一个 SLAM Toolbox 实例，生成各自的占用栅格地图。这些地图通过基于 ROS 2 的后端进行实时合并，形成统一的全局地图。同时，系统将仪表板面板锚定在空间中的固定位置，实时显示建图进度，使操作员无需切换屏幕即可获取关键信息。
为了评估系统性能，研究团队进行了五次时长均为 9 分钟的测试会话。结果显示，系统平均扫描频率达到 8.83 Hz（标准差 0.16 Hz），合并后的占用地图面积平均为 17.9 平方米（标准差 0.8 平方米）。更关键的是，不同机器人实例之间的占用一致性达到了 94.7%（标准差 0.5%），说明独立建图结果在合并后具有很高的一致性。此外，在一次额外会话中，系统记录了 6.3 毫秒的中位变换抖动，并在一个 41 平方米的网格中覆盖了 26.7 平方米的区域。
该研究已被 ICRA 2026 的 MM-SpatialAI 研讨会接收，论文发表于 arXiv（编号 2605.16432），作者包括 Prakash Aryan 等五人。MR-SLAM 被定位为一个参考实现，展示了如何将透视混合现实监督与多机器人 SLAM 结合在消费级硬件上。这项工作为未来多机器人系统的沉浸式人机交互提供了可复现的基线，并指出了在消费级 MR 设备上实现实时空间监督的可行性。