在實體 AI（Physical AI／物理 AI）的定位系統中，視覺慣性里程計（VIO）融合相機與 IMU，連續估算機器人的姿態、速度與運動；SLAM 則進一步維護地圖、辨識曾到過的位置、修正累積漂移並支援重新定位。移動機器人與無人機常把低延遲 VIO 前端和較慢的 SLAM 後端放在同一套定位架構。
因此，『VIO 還是 SLAM』通常不是正確問題。應先判斷控制器需要多快的局部狀態、任務是否要重用地圖、失去追蹤後能否重新定位，以及運算與感測器能承受多少成本。
VIO 與 SLAM 解決的範圍不同
| 比較面向 | VIO | SLAM |
|---|---|---|
| 主要輸出 | 連續局部姿態、速度與運動估計 | 姿態加上地圖、回環與重新定位資訊 |
| 核心感測 | 相機與 IMU | 可使用相機、IMU、光達或其他距離感測 |
| 長期漂移 | 仍會隨時間累積 | 可透過回環與圖最佳化修正 |
| 即時性 | 適合提供高頻局部狀態 | 後端更新可能較慢且會修訂歷史軌跡 |
| 常見用途 | 控制、短程導航與快速運動估計 | 建圖、全域導航與重新定位 |
表格顯示的是責任分工，不代表所有實作都相同。有些系統只提供里程計，有些視覺慣性系統也包含回環與地圖；判讀文件時應看實際輸出、座標框與更新方式，而不是只看產品名稱。
相機與 IMU 的時間同步比演算法名稱更先決
OpenVINS 文件整理了視覺慣性估測所需的狀態與校正概念。相機提供帶尺度限制的影像幾何，IMU 提供高頻角速度與加速度；兩者若時間戳偏移，快速轉動時就會被誤認為幾何或尺度誤差。
外部與內部相機參數、相機到 IMU 的外參、曝光時間與滾動快門都應納入驗收。只在慢速、明亮走廊完成測試，無法代表震動、低紋理、逆光或快速轉彎時仍可追蹤。
座標框與 TF2 契約要先寫清楚
局部里程計座標通常要求連續，不能因後端回環突然跳動；地圖座標則可以在後端最佳化後修正。控制器、導航器與紀錄工具必須知道自己讀到哪一種座標，以及協方差代表哪個時間與座標框。
若把會跳動的全域姿態直接送入快速控制迴路，機器人可能產生不必要的修正；若永遠只使用局部姿態，長距離任務又會逐漸偏離地圖。清楚的座標轉換比替演算法換名稱更重要。
VIO 的常見失敗來自可觀測性與場景退化
低紋理牆面、重複圖案、動態人群、強烈曝光變化與運動模糊會削弱視覺約束；長時間等速、震動或特定運動也會使部分狀態難以估計。OpenVINS 可觀測性分析可作為理解這些限制的技術入口。
系統應監測追蹤特徵、創新量、協方差與時間同步狀態，並在品質下降時降低速度、切換備援感測或安全停止。持續輸出姿態不代表輸出仍可信。
SLAM 後端以回環閉合修正長期漂移
SLAM 會保存關鍵影像或地圖元素，當系統再次辨識同一地點時加入回環約束，再調整整段軌跡。ORB-SLAM3 論文展示了視覺與視覺慣性架構的一種做法，但任何論文結果都要在目標相機、場景與運算平台上重新驗證。
回環也可能誤配，尤其在外觀重複的走廊或貨架。後端需要幾何驗證、異常值處理與地圖版本管理；錯誤的全域修正往往比緩慢漂移更難察覺。
無人機與地面機器人的優先順序不同
無人機對重量、功耗、震動與快速姿態變化敏感，局部狀態延遲會直接影響飛行控制；地面機器人較能搭載額外感測器，但常面臨輪滑、狹長走廊與人群遮擋。兩者都不能只看平均軌跡誤差。
空中平台應額外測螺旋槳震動、天空或地面占據大部分視野、起降光照與通訊中斷；地面平台則應測地面反光、電梯、門區與重複貨架。測試案例必須反映實際路線。
驗收要同時看局部品質與任務結果
軌跡誤差只是其中一項結果。實際驗收還要觀察控制是否平順、規劃是否頻繁重算、重新定位期間能否保持安全，以及系統是否能把品質下降明確回報給上層。若只在事後對齊軌跡，可能看不出當下姿態跳動曾對任務造成的影響。
- 檢查時間戳、內外參、座標框與資料遺失。
- 在低紋理、快速轉動、動態遮擋與光線變化下測試。
- 分開量測局部連續性、長期漂移、回環正確性與重新定位時間。
- 記錄品質下降時的降級、停止與人工接管行為。
- 使用目標機身、相機、IMU 與實際運算負載重跑。
定位系統需要與整體平台共同設計。可延伸閱讀物理 AI 企業生態系、倉儲移動與揀選流程及機器人模擬器比較。
定位架構常見疑問
有 VIO 就一定有地圖嗎？
不一定。VIO 可以只輸出局部運動估計；是否建立可重用地圖、執行回環與重新定位，要看系統是否包含相應後端。
SLAM 能完全消除漂移嗎？
不能保證。回環與外部約束可以修正累積誤差，但感測退化、錯誤配對或地圖變動仍會造成失敗。
無人機一定要使用視覺定位嗎？
不一定。任務可能搭配衛星定位、光達、測距、磁力計或外部定位。選擇取決於重量、環境、精度、延遲與失效時的安全策略。