SG^2SLAM 是 Ziang Guo 等八位作者提交的一篇機器人學（cs.RO）論文，於 2026 年 10 月 26 日進入 arXiv 新論文列表，編號 arXiv:2610.36312v1，全文共 9 頁，源代碼將在論文被接收後公開。論文針對的是單目户外導航場景：在這類任務中，系統既要穩健地估計相機自身的運動，又要構建一張足夠稠密、可用於規劃與行進的地圖。三維高斯潑濺（3D Gaussian Splatting，3DGS）SLAM 由於具備顯式的可微參數化與閉式投影，被視為完成這一任務的合適方案。
作者指出的核心問題在於幾何恢復的方式。常規做法是把二維像素與三維點逐一關聯，再據此還原場景幾何。這樣的模塊化設計會把跟蹤環節產生的誤差直接吸收進地圖，誤差由此逐級放大，形成級聯式退化：位姿估計出現偏差，地圖隨之被污染，被污染的地圖又反過來干擾後續跟蹤。對於單目户外環境而言，缺乏深度傳感器提供的直接尺度信息，這一問題尤為突出。
為彌補上述缺口，論文提出 SG^2SLAM，將流式空間幾何與射線條件化的 3DGS 核函數耦合在一起。所謂流式空間幾何，是用塊級（chunk-level）的度量先驗取代逐幀的跨維度對應關係。換言之，跟蹤與建圖不再依賴每一幀上像素與點的鬆散匹配，而是由同一來源的幾何先驗同時監督，從源頭減少誤差在模塊之間傳遞的空間。射線條件化核函數則為每個高斯圖元擴展出一個視角方向子空間，使圖元能夠感知單目相機的觀察方向，從而更好地適配單目相機在户外運動中的視角變化。
在優化層面，SG^2SLAM 對空間幾何與相機位姿進行聯合優化，目的是得到全局一致的地圖與軌跡結果，而不是讓兩者在各自模塊中獨立收斂。實驗在 KITTI 與 Waymo Open 兩個公開數據集上展開，結果顯示該方法在單目户外導航任務上優於以逐幀關聯為基礎的基線方法。
需要説明的是，目前公開的材料為論文摘要與元數據，摘要中並未給出具體的誤差指標、運行速度或消融實驗細節，結論的範圍應以最終論文與代碼發佈為準。該工作歸入機器人學分類，提交時間為 2026 年 10 月 26 日 21:34:06 UTC，稿件體積約 18,760 KB，DOI 為 10.48550/arXiv.2610.36312，由 DataCite 發放、尚待註冊。