SG^2SLAM 是 Ziang Guo 等八位作者提交的一篇机器人学（cs.RO）论文，于 2026 年 10 月 26 日进入 arXiv 新论文列表，编号 arXiv:2610.36312v1，全文共 9 页，源代码将在论文被接收后公开。论文针对的是单目户外导航场景：在这类任务中，系统既要稳健地估计相机自身的运动，又要构建一张足够稠密、可用于规划与行进的地图。三维高斯泼溅（3D Gaussian Splatting，3DGS）SLAM 由于具备显式的可微参数化与闭式投影，被视为完成这一任务的合适方案。
作者指出的核心问题在于几何恢复的方式。常规做法是把二维像素与三维点逐一关联，再据此还原场景几何。这样的模块化设计会把跟踪环节产生的误差直接吸收进地图，误差由此逐级放大，形成级联式退化：位姿估计出现偏差，地图随之被污染，被污染的地图又反过来干扰后续跟踪。对于单目户外环境而言，缺乏深度传感器提供的直接尺度信息，这一问题尤为突出。
为弥补上述缺口，论文提出 SG^2SLAM，将流式空间几何与射线条件化的 3DGS 核函数耦合在一起。所谓流式空间几何，是用块级（chunk-level）的度量先验取代逐帧的跨维度对应关系。换言之，跟踪与建图不再依赖每一帧上像素与点的松散匹配，而是由同一来源的几何先验同时监督，从源头减少误差在模块之间传递的空间。射线条件化核函数则为每个高斯图元扩展出一个视角方向子空间，使图元能够感知单目相机的观察方向，从而更好地适配单目相机在户外运动中的视角变化。
在优化层面，SG^2SLAM 对空间几何与相机位姿进行联合优化，目的是得到全局一致的地图与轨迹结果，而不是让两者在各自模块中独立收敛。实验在 KITTI 与 Waymo Open 两个公开数据集上展开，结果显示该方法在单目户外导航任务上优于以逐帧关联为基础的基线方法。
需要说明的是，目前公开的材料为论文摘要与元数据，摘要中并未给出具体的误差指标、运行速度或消融实验细节，结论的范围应以最终论文与代码发布为准。该工作归入机器人学分类，提交时间为 2026 年 10 月 26 日 21:34:06 UTC，稿件体积约 18,760 KB，DOI 为 10.48550/arXiv.2610.36312，由 DataCite 发放、尚待注册。