即时定位与地图构建（Simultaneous Localization and Mapping，简称SLAM）是一个专用术语，也称为CML（Concurrent Mapping and Localization）或并发定位与建图。

同步定位与建图（Simultaneous Localization and Mapping，简称SLAM）问题可以描述为：机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置和地图进行自身定位，同时在自身定位的基础上建造增量式地图，实现机器人的自主定位和导航。

有理解力的SLAM： 语义SLAM，精准感知并适应环境

将语义分析与SLAM有效融合，增强机器对环境中相互作用的理解能力，为机器人赋予了复杂环境感知力和动态场景适应力。

有广度的SLAM：100万平米强大建图能力

借助高效的环境识别、智能分析技术，机器人将拥有室内外全场景范围高达100万平米的地图构建能力。

有精度的SLAM：高精度定位领先算法

SLAM2.0可在任何地点进行开机识别、全局定位，精准度高达±2cm。

有时效的SLAM：动态地图实时更新

根据传感器回传数据，与原有地图进行分析比对，完成动态实时更新，实现life-long SLAM。

SLAM最早由Smith、Self和Cheeseman于1988年提出。 由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。