VGGT-SLAM 2.0：实时稠密前馈场景重建
计算机视觉与模式识别
2026-02-03 v2 机器人学
摘要
我们提出了 VGGT-SLAM 2.0，这是一个实时 RGB 前馈 SLAM 系统，在增量对齐由 VGGT 创建的子图方面对 VGGT-SLAM 进行了实质性改进。首先，我们通过创建新的因子图设计，消除了 VGGT-SLAM 中高维的 15 自由度漂移和平面退化，同时仍然解决了在未知相机内参情况下 VGGT 的重建歧义问题。其次，通过研究 VGGT 的注意力层，我们证明其中一层非常适合在无需额外训练的情况下协助进行图像检索验证，这既能拒绝错误匹配，也能完成更多的回环闭合。最后，我们进行了一系列实验，包括展示 VGGT-SLAM 2.0 可以轻松适配开集目标检测，并展示了使用 Jetson Thor 在地面机器人上在线运行时的实时性能。我们在从杂乱的室内公寓和办公室场景到 4,200 平方英尺谷仓的各种环境中进行了测试，并且我们还展示了 VGGT-SLAM 2.0 在 TUM 数据集上实现了最高精度，其位姿误差比 VGGT-SLAM 低约 23%。代码将在发表后发布。
引用
@article{arxiv.2601.19887,
title = {VGGT-SLAM 2.0: Real-time Dense Feed-forward Scene Reconstruction},
author = {Dominic Maggio and Luca Carlone},
journal= {arXiv preprint arXiv:2601.19887},
year = {2026}
}