BatSLAM 2.0 声呐SLAM：序列验证回环与位姿图结合，拒绝错误闭环

声呐观测高度模糊时，序列验证和稳健位姿图能否共同防止错误回环和地图崩塌，实现可靠的仅声呐 SLAM？

声呐地点识别天然模糊，例如相似走廊产生几乎相同的回声序列。单次匹配不可信，错误回环会把地图中不同地点拉在一起，造成地图崩塌。原有 BatSLAM 使用 RatSLAM 拓扑模型和单视图模板匹配，对这类别名敏感；视觉和激光雷达的鲁棒回环方法尚未在声呐上验证。

早期 BatSLAM 结合仿生双耳声呐与 RatSLAM 的姿态细胞和经验地图，将完整耳蜗图作为局部视图，用欧氏距离比较。视觉和激光雷达 SLAM 常用 SeqSLAM 的序列一致性、鲁棒代价函数、可切换约束、max-mixtures 等方法处理错误回环，但这些主要为光学模态设计，未针对声呐的强模糊性进行验证。

BatSLAM 2.0 替换了原 BatSLAM 的后端，改用 GTSAM 中的 iSAM2 因子图位姿图。前端新增频谱形状图，把回声频谱形状与幅度分离，显式编码声源方向，并与能量图拼接为局部视图。序列验证器同时维护多个竞争假设，检查几何一致性，累积基于 logistic 回归的对数似然比证据，并用马氏距离可解释性门控拒绝过于剧烈的姿态跳变；提交阈值随隐含校正量增大而提高。每个已提交假设的弱回环链接按组管理，可通过长度规则、残差检查和 GNC 审计撤销或重新接纳。模板锚定在位姿图节点上，锁定已知路径时不新建模板。

在仿真中，设计声呐（10 米量程，-116 dB 噪声）在 12 次标定或近似标定里程计的运行中全部生成一致地图，无错误提交，链接精度 0.994 到 1.000，重访覆盖率 0.79 到 0.84，轨迹误差 0.47 到 1.91 米未对齐，0.18 到 0.53 米对齐后，而纯里程计误差为 4.2 到 19.0 米。降级传感器上地图仍然一致，对齐后误差 0.25 到 0.81 米，但 -20 dB 传感器早期出现一个含 17 个链接的错误假设。单视图识别在设计传感器上 top-1 准确率为 0.89；模板捕获区域约为沿轨迹 ±0.20 米、横向 ±0.15 米、航向 ±25 度。消融实验中，无序列验证时产生 215 次错误提交，其中 10 次经链接管理后仍存活，平均轨迹误差增至 4.85 米；无链接管理时地图完全崩塌。真实录音 30 次运行无误提交或崩塌：用仿真证据曲线链接一半重访，轨迹误差从 3.62（0.46）米降至 0.77（0.07）米；重新标定曲线后覆盖 0.64（0.10）的重访，误差 0.67（0.13）米，对齐后 0.52（0.11）米。真实运行前端每脉冲 4.8 毫秒，其余系统 6.2 毫秒，脉冲间隔 141 毫秒。

作者承认大部分实验在仿真中进行，模拟器未包含弱高阶反射。真实实验只用了一段 eRTIS 嵌入3D声呐录音，通过波束形成虚拟双耳，并非蝙蝠头声呐；证据曲线需要按传感器重新标定。系统对早期行驶段的大幅校正仍可能被别名欺骗，例如 -20 dB 传感器上出现一个含 17 个链接的错误假设。当前不支持相反方向重访的地点关联。位姿图假设里程计误差主要为随机误差，系统偏置下度量精度下降。论文未报告代码开源情况。GNC 审计在现有实验中未改变最终地图，其作用尚待更强结构别名场景检验。