Key points are not available for this paper at this time.
अन्य क्षेत्रों की तुलना में ऑटोमेशन को सीमित रूप से अपनाने के कारण निर्माण उद्योग उत्पादकता के मामले में अपेक्षाकृत स्थिर रहा है। गतिशील, असंरचित निर्माण वातावरण में रोबोट स्वायत्तता की चुनौतियों का समाधान करने के लिए Simultaneous Localization and Mapping (SLAM) तकनीकों को तेजी से पेश किया गया है। हालांकि, मौजूदा समीक्षाएं मुख्य रूप से SLAM को एक सहायक घटक के रूप में मानती हैं, और जनरेशन प्रक्रियाओं तथा साइट-विशिष्ट चुनौतियों की व्यवस्थित रूप से जांच नहीं करती हैं। यह अध्ययन Architecture, Engineering, and Construction (AEC) रोबोटिक्स में SLAM जनरेशन की एक संरचित समीक्षा करता है, जिसमें सेंसर इनपुट, फीचर एक्सट्रैक्शन, स्टेट एस्टीमेशन, बैकएंड ऑप्टिमाइज़ेशन और मैप निर्माण शामिल हैं। ग्रंथसूची और सामग्री विश्लेषण पर्यावरणीय गिरावट और कार्य-पर्यावरणीय बेमेल से उत्पन्न प्रमुख सीमाओं की पहचान करते हैं। सेंसर फ्यूजन, सेमेंटिक संवर्धन और डायनेमिक मैप अपडेटिंग सहित अनुकूली रणनीतियों का आलोचनात्मक मूल्यांकन किया गया है। उल्लेखनीय प्रगतियों के बावजूद, निर्बाध Building Information Modelling (BIM) एकीकरण और मजबूत रियल-टाइम अनुकूलन क्षमता प्राप्त करने में महत्वपूर्ण अंतराल बने हुए हैं। स्मार्ट निर्माण संदर्भों में स्केलेबल परिनियोजन का समर्थन करने के लिए मल्टी-सेंसर फ्यूजन, सेमेंटिक-अवेयर मैपिंग, सहयोगी SLAM और डेटा मानकीकरण पर जोर देते हुए भविष्य के अनुसंधान निर्देशों का प्रस्ताव दिया गया है।
Li et al. (Fri,) ने इस प्रश्न का अध्ययन किया।