LEGO-SLAM：语言嵌入高斯优化 SLAM

近期 3D 高斯溶解（3DGS）技术的进展使 SLAM 系统能够构建逼真的地图，但这些地图缺乏对高级机器人交互所必需的开放词汇语义理解能力。将语言特征集成到 SLAM 中仍是重大挑战，因为存储高维特征会导致内存和渲染开销过大，而现有方法采用静态模型，难以适应新环境。为此，我们提出了 LEGO-SLAM（Language-Embedded Gaussian Optimization SLAM），首个实现 3DGS-based SLAM 系统中实时开放词汇映射的框架。我们方法的核心是场景自适应编码器-解码器，将高维语言嵌入压缩至紧凑的 16 维特征空间。该设计降低了每个高斯的内存占用，加速渲染，实现实时性能。不同于静态方法，编码器能在线适应未见场景。这些紧凑特征还支持语言引导的修剪策略，识别语义冗余，使地图中高斯数量降低 60% 以上，同时保持渲染质量。此外，我们引入基于语言的环路检测方法，复用这些映射特征，无需额外检测模型。广泛的实验表明，LEGO-SLAM 在保持 15 FPS 的同时，实现了具竞争力的地图质量和跟踪精度，同时提供开放词汇功能。