本文介绍了一个全新的 NeoSLAM 实现。这是一种受生物学启发的 SLAM 系统，并对其与 RatSLAM 的性能进行了对比评估。新的 NeoSLAM 实现包含七个主要模块：视觉特征提取器、二值投影器、新皮层、空间视图细胞、位姿细胞、经验地图和视觉里程计，全部以 ROS 2 节点的形式实现。实验评估使用了三个不同的数据集：Robotarium 数据集（5453 帧，13 FPS）、iRat Australia 数据集（16657 帧，10 FPS），以及由佛罗里达国际大学一艘 USV 采集的 FIU MMC Lake 数据集。
系统概览
新的 NeoSLAM 实现由七个主要模块组成：视觉特征提取器、二值投影器、新皮层、空间视图细胞、位姿细胞、经验地图和视觉里程计。本文将这些模块描述为 ROS 2 节点，并介绍节点之间数据流对应的 ROS 话题。
新皮层节点
新皮层节点依据分层时序记忆（HTM）的原理，将经过降维的二值视觉信息转换为能够表征空间与时间特征的形式。为便于理解该模块，本文介绍运行 HTM 网络所需的基本结构：稀疏分布式表示（SDR）、空间池化器（SP）和时序记忆（TM）。
两个 SDR 之间的重叠度通过统计二者共享的激活位来衡量相似性：
重叠度等于两个 SDR 共同包含的激活位数量
当重叠度超过预先设定的阈值时，即判定为匹配：
当重叠度大于或等于该阈值时，即声明发生匹配
Robotarium 数据集
实验条件：输入速率 = 13 FPS，总输入帧数 = 5453，重复次数 = 3，实验时长 = 424.8 秒。
iRat Australia 数据集
iRat Australia 数据集使用了一台配备差速轮驱动和前置摄像头的 iRat 机器人，车轮编码器可提供里程计读数。安装在上方的摄像头拍摄了图像，并据此提取真实值信息。
实验条件：输入速率 = 10 FPS，总输入帧数 = 16657，重复次数 = 3，实验时长 = 15.9 分钟。
FIU MMC Lake 数据集
数据采集于佛罗里达国际大学（FIU）Modesto Maidique 校区（MMC）的 Green Library 湖，使用的设备是 SeaRobotics Surveyor USV。USV 行驶的轨迹全长约 900 米，持续时间约 16 分钟。研究人员还记录并分析了航位推算数据。
常见问题
新版 NeoSLAM 实现与原版有何不同？ 新版实现将系统重新组织为七个 ROS 2 节点，并为数据流定义了清晰的话题，从而支持模块化运行，也更易于集成到现代机器人框架中。
新皮层模块在 NeoSLAM 中发挥什么作用？ 新皮层节点依据分层时序记忆原理处理二值视觉信息，并运用稀疏分布式表示、空间池化器和时序记忆来提取空间与时间特征。
新版 NeoSLAM 使用了哪些数据集进行评估？ 评估使用了三个数据集：Robotarium 数据集（5453 帧，13 FPS）、iRat Australia 数据集（16657 帧，10 FPS），以及由 USV 采集的 FIU MMC Lake 数据集，后者覆盖约 900 米、持续约 16 分钟。
评估数据集涵盖了哪些硬件平台？ 这些数据集涵盖差速轮驱动机器人（iRat）、由上方摄像头跟踪的机器人（Robotarium），以及 SeaRobotics Surveyor USV，覆盖陆地和海洋两类机器人平台。
致谢
本研究部分得到了 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Brasil（CAPES，资助代码 001）、Conselho Nacional de Desenvolvimento Científico e Tecnológico（CNPq）、Fundação Carlos Chagas Filho（FAPERJ，项目编号 E-26/204.669/2024）、NSF 项目 IIS-2024733 和 IIS-2331908、美国海军研究办公室项目 N00014-23-1-2789、美国国防部项目 78170-RT-REP，以及佛罗里达州环境保护部项目 INV31 的支持。