Intelligent Robotics Lab z Universidad Rey Juan Carlos wydał 9 listopada StrataSLAM — otwarty, wielopiętrowy SLAM 3D dla ROS 2. System trzyma jedną submapę na piętro i nigdy nie przyjmuje domknięcia pętli między dwiema kondygnacjami. W testach z repozytorium ta jedna blokada zbija odsetek zlepionych pięter z 85,6 procent do zera.
Najważniejsze w skrócie
- Wersja 0.2.0, licencja Apache-2.0, ROS 2 Jazzy i Ubuntu 24.04, rdzeń w C++17
- Scenariusz z wyłączoną bramką pięter: 85,6 procent zlepionych kondygnacji. Z włączoną: 0
- Czujniki: kamera RGB-D, LiDAR 3D albo oba. IMU, barometr i odometria kół opcjonalne
- Przejazd KITTI o długości 692 m: ATE RMSE 0,4013 m, 52 ms na skan na jednym wątku
- Trzy identyczne piętra bez kotwic strukturalnych: błąd 24,8 cm zamiast 6,9 cm
Wyobraźmy sobie taką sytuację
Robot na kołach jeździ po trzykondygnacyjnym biurowcu. Wjeżdża do windy, drzwi się zamykają, kabina rusza w górę. Kamera i LiDAR widzą przez te kilka sekund tylko wnętrze kabiny — czyli nic, co by się względem nich poruszało.
Po wyjściu robot stoi na korytarzu, który wygląda identycznie jak ten na dole: ten sam układ drzwi, ta sama wykładzina, te same tabliczki.
Ale pojawia się problem: klasyczny SLAM uzna ten korytarz za miejsce, w którym już był, domknie pętlę i scali dwa piętra w jedno.
Mapa zostaje jedna, płaska i nieprawdziwa. StrataSLAM atakuje dokładnie ten moment.
Co dokładnie robi StrataSLAM?
System nie trzyma jednej mapy budynku. Trzyma jedną submapę na piętro i buduje z nich mapę globalną.
Przejścia między kondygnacjami są wykrywane i klasyfikowane — schody, rampa, winda, bieg między poziomami. Przejazd windą mierzy IMU, nawet gdy kamera i LiDAR widzą tylko kabinę.
Najważniejsza jest jednak bramka pięter. Żadna ścieżka kodu działająca na bieżąco nie przyjmuje domknięcia pętli między dwoma piętrami. To nie jest próg zaufania do dostrojenia, a zakaz wpisany w architekturę.
Materiał z ogłoszenia: najpierw budynki symulowane, potem dane realne. Fragment z wyłączoną bramką pięter pokazany obok tego samego przebiegu z bramką włączoną.
To uproszczony przebieg jednego przejścia, a nie pełny schemat działania systemu.
Piętra są składane w całość dopiero później, offline. Narzędzie strataslam fuse ustawia je względem siebie w wyrównanej do grawitacji grupie czterech stopni swobody, oznaczanej jako SE(2)×ℝ — nawet gdy między kondygnacjami nie ma żadnego wspólnego widoku. Wykorzystuje przy tym ograniczenia z przejść, barometr, kotwice strukturalne?Kotwice strukturalne: Trwałe elementy budynku widoczne z wielu pięter — szyb windy, klatka schodowa, atrium. Służą jako punkt odniesienia przy składaniu kondygnacji. i słabe założenie o wysokości piętra.
Ile właściwie daje ta bramka?
Repozytorium zawiera negatywną kontrolę, więc liczby da się porównać wprost.
Scenariusz S03 to dwa identyczne piętra połączone schodami, kamera, bez IMU. Na 20 ziarnach losowych?Ziarno losowe (seed): Liczba ustawiająca generator losowy. Ten sam seed daje identyczny przebieg testu, więc wyniki da się powtórzyć i porównać. odsetek zlepionych pięter wyniósł 0, liczba kandydatów na pętlę między piętrami również 0, a błąd wysokości kondygnacji 3 centymetry. Scenariusz S04 to ten sam przebieg z wyłączoną bramką — i 85,6 procent zlepionych pięter.
| Scenariusz | Konfiguracja | Zlepione piętra | Błąd złożenia |
|---|---|---|---|
| S03 | dwa identyczne piętra, schody, bramka włączona | 0% | 3 cm (wysokość piętra) |
| S04 | to samo, bramka wyłączona | 85,6% | — |
| S11 | trzy piętra, schody i winda, z kotwicami | 0% | 6,9 cm / 0,075° |
| S11 | te same dane, bez kotwic | 0% | 24,8 cm / 1,43° |
Druga istotna ablacja dotyczy kotwic strukturalnych. Przy trzech identycznych piętrach ze schodami i windą błąd złożenia wyniósł 6,9 centymetra w przesunięciu i 0,075 stopnia w obrocie. Bez kotwic te same dane dały 24,8 centymetra i 1,43 stopnia — ponad trzykrotnie gorzej.
Na realnych danych wygląda to tak: TUM RGB-D fr1/xyz (798 klatek) to ATE RMSE 1,43 centymetra, fr2/xyz (3669 klatek) — 1,52 centymetra. Przejazd KITTI o długości 692 metrów dał 0,4013 metra przy 506 klatkach kluczowych, jednym domknięciu pętli i 52 milisekundach na skan na jednym wątku.
| Zbiór | Tryb | Klatki | ATE RMSE | Błąd maks. |
|---|---|---|---|---|
| TUM RGB-D fr1/xyz | odometria wizyjna | 798 | 0,0143 m | 0,0551 m |
| TUM RGB-D fr2/xyz | odometria wizyjna | 3669 | 0,0152 m | 0,0326 m |
| KITTI 2011_09_30_0027 (692 m) | pełny SLAM LiDAR | 1 106 | 0,4013 m | 0,7582 m |
Co znaczą te nazwy?
Kilka terminów z dokumentacji wymaga tłumaczenia:
- SLAM — jednoczesne budowanie mapy i ustalanie w niej własnej pozycji. Robot rysuje plan i zaznacza na nim siebie, nie mając planu wcześniej.
- Domknięcie pętli (loop closure) — rozpoznanie, że robot wrócił w miejsce już odwiedzone, i zszycie mapy w tym punkcie. Odpowiednik dopasowania dwóch końców rozwiniętej taśmy.
- Submapa — osobny, lokalnie spójny fragment mapy. Tutaj: dokładnie jedna na kondygnację.
- ATE RMSE — błąd między trajektorią wyliczoną a prawdziwą, liczony jako pierwiastek ze średniej kwadratów. Jedna liczba mówiąca, o ile metrów system się mylił.
- Cztery stopnie swobody — przesunięcie w trzech osiach plus jeden obrót wokół pionu. Tyle wystarcza, bo grawitacja ustala, gdzie jest góra.
Razem opisują jedną decyzję projektową: zamiast walczyć z błędnymi pętlami po fakcie, nie dopuścić do nich w ogóle.
Dlaczego nie wystarczy barometr?
To pierwsze, co przychodzi na myśl: skoro problemem jest wysokość, wystarczy ją zmierzyć ciśnieniem.
W StrataSLAM barometr jest obsługiwany, ale wyłącznie jako czujnik opcjonalny i jedna z przesłanek przy składaniu offline. Sam nie rozwiązuje zadania, bo pomyłka nie dotyczy tylko wysokości — dotyczy tożsamości miejsca. Dwa korytarze na różnych piętrach mogą dać niemal identyczny obraz i niemal identyczną chmurę punktów, a ciśnienie w budynku z klimatyzacją dryfuje w ciągu dnia.
Drugi problem jest praktyczny. Nawet przy idealnie znanej wysokości trzeba jeszcze zdecydować, co zrobić z kandydatem na pętlę: przyjąć go i zaryzykować scalenie pięter, czy odrzucić i zaryzykować rozjechanie mapy. Bramka zamienia to w decyzję twardą, a nie w kolejny parametr do dostrojenia.
Dlatego w zestawie są też kotwice strukturalne i słabe założenie o wysokości piętra. Scenariusz z czterema identycznymi piętrami pokazuje, gdzie to wciąż nie wystarcza: błąd wysokości kondygnacji sięgnął tam średnio 45 centymetrów.
Czy to już działa?
Tak — jako otwarty kod w wersji 0.2.0, nie jako gotowy produkt. Repozytorium jest publiczne na licencji Apache-2.0, wymaga ROS 2 Jazzy i Ubuntu 24.04, a pierwszy build dociąga przypiętą wersję biblioteki small_gicp.
Autorzy publikują też porażki, co w otwartych projektach SLAM nie jest regułą. Scenariusz z windą bez IMU i bez barometru przeszedł 13 z 20 ziaren — siedem razy błąd przesunięcia przekroczył próg 10 centymetrów. Łagodna rampa (2,9 stopnia, biegi po 30 metrów) przeszła 19 z 20. W pomiarach wydajności frontend LiDAR dla 64 wiązek zajmuje 243 milisekundy przy własnym budżecie 50 milisekund na skan — to jawnie oznaczone przekroczenie.
Wideo z ogłoszenia pokazuje najpierw budynki symulowane, potem dane realne: ręczny zestaw LiDAR z IMU w prawdziwych windach, robota Summit XL na rampach między poziomami, TIAGo z LiDAR-em i kamerą RGB-D oraz przejazd KITTI na zewnątrz.
System publikuje map -> floor_<k> -> odom zgodnie z REP-105, więc Nav2 i RViz widzą robota już w trakcie mapowania. Polecenie strataslam doctor sprawdza tematy, częstotliwości, TF i synchronizację jeszcze przed pierwszym mapowaniem.
# ROS 2 Jazzy, Ubuntu 24.04 — profil YAML na robota
cp $(ros2 pkg prefix strataslam_ros)/share/strataslam_ros/profiles/ground_lidar.yaml ~/my_robot.yaml
# kontrola wejścia: tematy, częstotliwości, TF, synchronizacja
strataslam doctor ~/my_robot.yaml
# mapowanie, a po przejściu kondygnacji złożenie pięter w jeden budynek
ros2 launch strataslam_ros strataslam.launch.py profile:=$HOME/my_robot.yaml viewer:=true
strataslam fuse ~/strataslam_maps/<run>Przebieg z dokumentacji projektu. Składanie pięter (strataslam fuse) jest krokiem offline, uruchamianym po zakończeniu mapowania.
Dlaczego to ważne?
Wielopiętrowe budynki to podstawowe środowisko robotów serwisowych i dostawczych, a jednocześnie najczęstszy powód rozsypania się mapy. Wartość tego wydania nie leży w rekordowej dokładności, lecz w jawnym ograniczeniu: zakaz pętli między piętrami siedzi w architekturze, nie w parametrze. Negatywna kontrola dołożona do repozytorium pozwala sprawdzić, ile ten zakaz realnie daje.
Co dalej?
- Autorzy proszą o zgłoszenia i nagrania (bagi) z wielopiętrowych budynków użytkowników — to jawnie zadeklarowany kierunek rozwoju
- W pliku CITATION.cff odnotowano zadanie dodania DOI po zarchiwizowaniu wydania na Zenodo
- Frontend LiDAR przekracza własny budżet czasowy blisko pięciokrotnie, więc optymalizacja wydajności jest zidentyfikowanym długiem technicznym
Źródła
- ROS Discourse — StrataSLAM: open-source multi-floor SLAM for ROS 2 (stairs, elevators, ramps, identical floors)
- GitHub — EasyNavigation/StrataSLAM
- GitHub — StrataSLAM: Results
- GitHub — StrataSLAM: Scenarios
- Universidad Rey Juan Carlos — Intelligent Robotics Lab





