Trình bày định nghĩa và mô hình xác suất của SLAM: SLAM đầy đủ (full SLAM) và SLAM trực tuyến (online SLAM).

• Phân tích các mô hình cảm biến phổ biến: LiDAR, SONAR, IMU, camera, GPS và các hệ thống kết hợp.
• - Phân loại SLAM theo môi trường (tĩnh/động, có cấu trúc/phi cấu trúc), phương pháp xử lý dữ liệu (lọc EKF, Particle Filter, tối ưu hóa đồ thị), và kiểu bản đồ (thưa/dày, ngữ nghĩa).
• - Trình bày kiến trúc SLAM hiện đại gồm hai phần: frontend (xử lý dữ liệu, phát hiện loop closure) và backend (tối ưu hóa đồ thị bằng các thư viện như GTSAM, g2o, Ceres).
• - Tổng hợp các thuật toán SLAM nổi bật từ 2005–2017, phân loại theo cảm biến, phương pháp, môi trường, khả năng mở rộng, xử lý thời gian thực và tích hợp ngữ nghĩa.
• - Nhấn mạnh vai trò của học sâu trong nhận diện đối tượng và phân đoạn ngữ nghĩa, giúp cải thiện độ chính xác và khả năng nhận thức cảnh.
• - Nêu các thách thức: môi trường động, phát hiện vòng lặp (loop closure), nhận thức mạnh mẽ, suy luận ngữ nghĩa và học trực tuyến.