近日，色情网站 陈洪波教授团队在机器人领域国际顶刊《IEEE Robotics and Automation Letters》（影响因子：4.6）上发表题为"S3E: A Large-Scale Multimodal Dataset for Collaborative SLAM"的研究成果，正式发布首个面向多机器人协作同步定位与建图（C-SLAM）的大规模多模态数据集S3E。该数据集填补了协同SLAM领域高质量基准数据的空白，为多机器人协作算法的研发与评估提供了重要支撑。

图 1 采集平台，三个遥控车辆分别名为 Alpha, Bob 以及 Carol。

01背景与挑战

多机器人协作在搜索救援、工业自动化和智慧农业等领域应用广泛，而协同SLAM技术是实现多机高效协作的核心。然而，现有数据集（如EuRoc、KITTI等）主要面向单机SLAM任务，缺乏多机器人协同场景下的轨迹交互、数据同步与闭环验证能力，严重制约了C-SLAM算法的研发与性能评估。

图 2 S3E 数据集的数据示例，每行都显示了不同平台同时捕捉到的双目图像和点云。

02 研究亮点

陈洪波教授团队研发的S3E数据集，通过3台搭载先进传感器的无人车平台（Alpha、Bob、Carol），在13个室外场景和5个室内场景中沿4类典型协作轨迹（图3）采集数据，包含双目视觉、激光雷达、IMU及RTK真值等多模态信息。数据集特点包括：

图 3 四种轨迹范例。

高精度多模态同步：采用双天线RTK、16线激光雷达和高分辨率全局快门相机，确保数据时空一致性；

多样化轨迹范式：设计编队巡航、区域搜索、会合点交互和终点聚合四类轨迹，覆盖C-SLAM核心挑战场景；

全链条基准验证：提供ORB-SLAM3、VINS-Fusion等单机算法及COVINS、DCL-SLAM等协同算法的基线性能评估（表1），首次实现跨场景、跨平台算法对比。

表 1 室外环境下单 SLAM 和 C-SLAM 的基准 ATE。

03 创新与意义

研究发现，S3E数据集不仅可验证机器人内部闭环（如稠密建图）能力，还可精准评估机器人间协作效率（如轨迹对齐与地图融合）。尤其在"终点聚合"等极端场景中，S3E揭示了现有算法在长时序、低交互条件下的性能瓶颈，为优化多机协同感知提供了新方向。此外，团队开源了完整的硬件配置方案与数据标注工具链，显著降低C-SLAM研究门槛。

04 应用前景

S3E已获国际机器人学术界广泛关注，被评价为"协同SLAM领域的里程碑式资源"。其应用将加速多机器人系统在灾害救援、智能制造等领域的落地，并为异构机器人集群的智能协作提供理论依据。

论文链接：

//doi.org/10.1109/LRA.2024.3490402

数据下载链接：

//github.com/PengYu-Team/S3E