精读笔记
Problem Setting
Occupancy-SLAM 解决的不是普通 2D LiDAR SLAM，而是 occupancy grid map 能否像 feature map 一样进入后端优化的问题。传统 occupancy SLAM 的默认假设是：轨迹先被估计好，然后 map construction 是条件于轨迹的 Bayesian update。这个假设在工程上方便，但会把 pose uncertainty 和 map uncertainty 的耦合关系丢掉。
真正困难点是 occupancy observation 与 map state 的关系很别扭。feature SLAM 中 observation 通常约束某个 landmark 参数；occupancy 中一个 beam 同时约束 endpoint occupied 和 ray 上 free space，而且这些约束落在哪些 grid cell 取决于当前 pose。pose 错一点，cell association 就错；cell association 错，map gradient 就错；map gradient 错，pose update 又会被带偏。
关键矛盾是分辨率：高分辨率 map 才能给边界提供精确几何约束，但它使状态维度、局部极小、梯度噪声同时增加；低分辨率 map 的优化 basin 大、计算便宜，但边界被模糊，最终精度受限。这篇论文基本就是围绕这个矛盾重写 occupancy SLAM 后端。
Motivation
已有路线不够的根本原因是它们把 map 当成 pose optimization 之后的产物，而不是 pose optimization 的参与者。Cartographer 这类系统即使有 submap、scan matching、loop closure，最终仍主要是在 pose graph 上优化几何关系；submap 内部的 mapping error 一旦形成，很难通过全局 pose graph 修正。
作者的核心观察是：occupancy grid 虽然不是显式 feature，但它可以被看成一个由有限参数控制的连续 evidence field。只要这个 field 可插值、可求梯度，laser sample 就可以通过投影位置对 pose 和 map 同时产生 residual。换句话说，occupancy map 可以从“统计累积表”变成“可优化的隐式场”。
关键缺口不是 lack of occupancy mapping，而是 lack of differentiable, tractable, robust joint optimization formulation。过去绕开这个问题，是因为直接把所有 grid cell 加进状态既难收敛又难扩展；这篇论文试图用平滑先验、多分辨率、边界变量选择和 submap joining 把这个 formulation 变成可运行系统。
Core Idea
论文真正核心的方法思想是：把 occupancy grid map 参数化为 cell-vertex log-odds/evidence 变量，通过双线性插值得到连续 map function；laser beam 被采样成 free/hit evidence 点，经过当前 pose 投影到 map 上，要求投影点的 normalized occupancy value 与该 sample 的 evidence 一致。这样一个 residual 同时依赖 pose 和 map value，形成 occupancy 版本的 bundle adjustment。
直觉上它可能有效，是因为 pose error 会造成多次观测的 occupied/free evidence 在地图中无法对齐，表现为 occupancy field 的边界模糊或冲突；joint optimization 可以通过移动 pose 和调整 map value 共同降低这种冲突。传统 pose graph 只能通过相对位姿约束间接修正，而这里 map boundary 本身变成了优化信号。
与 prior 的本质区别在于：它不再把 scan matching 产生的 relative pose 当作唯一几何约束，而是直接使用 beam-level occupancy evidence。新的 inductive bias 是 occupancy field 的局部平滑性与边界高梯度结构：先利用低频、平滑 field 提供稳定 pose gradient，再在高频边界区域恢复几何细节。
Method
1. Occupancy field as state：cell vertex 的 evidence 值进入状态向量，任意连续位置由双线性插值查询。这一步解决的是 occupancy map 不可直接作为优化变量的问题；核心变化是 map 从离散更新结果变为可微参数化场。
2. Beam sampling residual：每条激光束被等距采样，endpoint 是 occupied evidence，ray interior 是 free evidence。sample 通过 pose 投影到地图，残差比较 sample evidence 和 map evidence / hit number。它解决的是如何把 beam observation 变成 pose-map constraint；hit number 的作用是让累积 log-odds map 与单次观测 evidence 在量纲上对齐。
3. Hit map re-association：每轮迭代后根据当前 pose 重算 hit map，相当于隐式更新 occupancy data association。它不是传统 discrete correspondence，而是通过投影和插值连续更新 scan-to-map relation。
4. Smoothing prior：惩罚相邻 cell vertex evidence 差异。它的主要作用不是提升最终 map 美观，而是控制 occupancy field 的高频成分，让 pose gradient 在初值较差时仍有可用方向。没有这个项，joint formulation 很容易变成局部极小制造机。
5. Multi-resolution optimization：第一阶段用低分辨率 map 和下采样 observations 得到稳定位姿；第二阶段只选择高分辨率边界附近 cell 和相关 observations 细化。它解决的是高分辨率 joint optimization 的维度和收敛问题。这里的关键不是普通 coarse-to-fine，而是第二阶段主动丢弃低信息稳定区域。
6. Occupancy submap joining：对大尺度问题，先局部做 joint optimization 得到 submaps，再把 submap occupancy values 当作对 global occupancy map 的观测，联合优化 submap frames 和 global map。它把复杂度从全轨迹长度部分转移到 submap 数量和 global map size。
Key Insight / Why It Works
最重要的 insight 是：occupancy map 的边界其实可以提供类似 feature 的几何约束，但前提是 map representation 必须可微，并且优化过程必须避免早期被高频边界误导。论文有效的核心不只是“jointly optimize poses and map”，而是“用低分辨率平滑 occupancy field 做 pose basin capture，再用高分辨率边界变量做 refinement”。
真正驱动位姿修正的是 occupancy gradient。一个 sample 投影到 occupancy field 后，如果 pose 错，sample 会落在不匹配的 free/occupied 区域，残差通过 map gradient 对 pose 产生方向。低分辨率地图让这个 gradient 更平滑、更宽，类似把 scan matching 的 cost surface 做了低通滤波；高分辨率边界则恢复最终定位精度。这本质上是 curriculum / continuation method，而不是单纯 scaling。
第二个关键点是 representation alignment：observation 和 map 都用 evidence/log-odds 表示，并通过 hit normalization 对齐单次 observation 与累计 map value。这个设计让 residual 至少在工程上可解释。严格 probabilistic 解释并不充分，但作为 least-squares surrogate 足够产生有用梯度。
第三个关键点是信息选择。第二阶段只优化边界附近高分辨率 cell，表面上是效率技巧，实际也是一种强 inductive bias：pose 精度主要来自 occupancy discontinuity，而大面积 free/unknown/stable 区域对 pose refinement 信息量低甚至会稀释梯度。文中提到 full high-res 有时不如 selected high-res，我认为这不是偶然；uniform weighting 下保留大量低信息 residual 会改变优化目标，使有效边界信号被弱化。
哪些可能只是辅助：submap joining 是重要工程扩展，但思想上是把同一个 joint map-pose formulation 套到 submap level；keyframe 使用主要是 scaling；3D 扩展目前更像 proof of concept。真正的实质贡献仍是 occupancy evidence field 的 joint NLLS formulation 加 multi-resolution continuation。
需要警惕的是，增益并不一定全部来自“更正确的概率建模”。一部分增益可能来自更强的 batch test-time compute、更密集的 scan evidence 使用，以及 Cartographer 对比设置下 submap 内误差不可回修。也就是说，它确实比 pose graph 后处理更直接，但不应把结果完全归因于理论最优性。
Relation To Prior Work
最接近的谱系不是传统 occupancy mapping，而是 feature-based bundle adjustment / direct methods / scan-to-map optimization 的混合。它像 BA 一样联合优化 pose 和 map；像 direct visual odometry 一样依赖 field gradient；像 occupancy mapping 一样使用 log-odds evidence；像 coarse-to-fine registration 一样通过分辨率控制 basin。
相对 Cartographer/Karto/Hector 的本质差异是后端优化变量不同。Cartographer 优化的是 pose/submap graph，occupancy map 多数时候是优化后的构建结果；Occupancy-SLAM 把 occupancy value 本身放进状态，因此 map uncertainty 能参与 pose update。这是实质差异，不是换一个 scan matcher。
相对 FastSLAM/GMapping 这类 filter/particle 方法，它不是维护轨迹粒子下的 map posterior，而是离线 batch NLLS。优点是能做全局一致性优化，缺点是 batch compute 和状态维度压力。
相对 SDF/TSDF/mesh-based SLAM，思想相近：都在尝试让 non-feature map 参与优化。但 SDF/mesh 天然有几何表面和距离残差，occupancy grid 的观测语义更离散、更统计化，所以这篇的难点在于构造可微 evidence residual 和 hit normalization。
相对 Kimera-PGMO，二者动机类似，都是 joint pose-map optimization；但 Kimera-PGMO 的 mesh deformation graph 更接近几何图优化，而本文是在 occupancy grid 这种规划友好但优化不友好的表示上做 joint optimization。实质创新在于把 occupancy map 变成可优化 field，并处理分辨率带来的收敛/规模问题。
看似新的部分中，多分辨率、平滑正则、submap joining 都不是概念上全新；真正新增的信息是这些机制被组织成一个能让 occupancy-grid-as-state 可用的 pipeline。
Dataset / Evaluation
实验覆盖面在 2D 上比较充分：仿真、正常规模真实数据、大尺度真实数据、鲁棒初值测试、resolution ratio ablation、stage ablation 都有。它们基本验证了核心 claim：joint optimization 可以得到更清晰的 occupancy boundary 和更准确的 trajectory；multi-resolution 是收敛和效率的关键，而不是可有可无的工程优化。
对 Cartographer 的比较有现实意义，因为 Cartographer 是强工程 baseline，而且代表 pose-first/map-second 路线。不过这个比较也有结构性偏差：本文是离线 batch optimization，Cartographer主要是在线/增量 SLAM 系统；当评价目标是最终 map quality，batch method 天然占优。作者用时间对比说明其可接受，但这不等于在线部署等价。
仿真实验能支持误差归因，因为有 ground truth；真实 2D 实验更多依赖 map/point cloud visual quality，定量性弱一些。occupancy map classification 指标有用，但如果 ground truth map 是由 ground truth poses remap 得到，本质上仍偏向轨迹一致性，不完全等同真实环境几何真值。
3D 实验只能算初步证明方向可迁移。与 BALM2/HBA/Voxgraph 的比较展示了 occupancy 方法不依赖 planar features 的优势，但文中也承认 3D 稀疏性、可观性和计算负担仍未解决。因此 3D claim 不应过度解读为成熟 3D Occupancy-SLAM 系统。
Limitation
第一，方法依赖静态环境和相对可信的 beam occupancy labels。动态物体、玻璃、稀疏反射、系统性 range bias 都会直接污染 evidence field，而 formulation 里没有显式 outlier/robust semantic handling。
第二，hit normalization 的统计基础不够扎实。它把累计 occupancy evidence 除以 hit count 来匹配单次 observation evidence，这在一致重复观测下合理，但在 free/occupied 冲突、遮挡、不同视角观测密度不均时可能产生偏差。文中未充分说明这对优化目标的影响。
第三，忽略 hit map 对 pose 的导数是一个工程近似。每轮重算 hit map 相当于 alternating re-association，但 GN step 内把它当常量。通常可行，但在大 pose update 或低重叠场景下可能导致错误梯度。文中未充分说明其收敛性质。
第四，scalability 仍受 map size 限制。submap joining 把 trajectory length 降成 submap count，但 global occupancy map 仍是状态变量；2D 尚可，3D voxel 化后状态爆炸会非常明显。3D 部分没有真正解决这个上限，只是指出 octree/continuous representation 可能是未来方向。
第五，第二阶段边界选择是一把双刃剑。它依赖第一阶段 map 已经足够接近真实边界；如果第一阶段把结构性细节抹掉或边界位置偏移过大，selected high-res map 可能根本没有包含正确变量。这个失败模式文中没有充分展开。
第六，在线部署鸿沟仍在。论文把方法定位为 batch/offline high-quality mapping，这是诚实的；但如果要替代实际 SLAM front-end/back-end，还需要 incremental update、loop closure integration、latency control 和 dynamic scene robustness。
Takeaway
- 1. Occupancy grid 不必只能作为 SLAM 后处理结果；只要参数化成可微 evidence field，它可以像 feature map 一样进入后端优化。
- 这是本文最值得迁移的思想。
- 2. 对 non-feature map 做 joint optimization 时，核心难点不是写出 residual，而是控制优化 landscape。
- 低分辨率平滑 field 捕获 basin、高分辨率边界 refinement 恢复精度，是一个可迁移到 SDF、NeRF occupancy、Gaussian map 的设计模式。
一句话总结
Occupancy-SLAM 是把 occupancy grid SLAM 从 pose-first mapping 推向 occupancy-field bundle adjustment 的一次实质性尝试，真正贡献在于用可微 evidence map、多分辨率 continuation 和边界信息选择让 joint pose-map optimization 变得可收敛、可计算。
