動的戦場環境下における無人プラットフォームの位置特定の堅牢性、シーン再構築の品質、リアルタイムレンダリング能力を向上させるために。動的環境での従来のリアルタイム位置特定および地図作成（Simultaneous Localization and Mapping、SLAM）アルゴリズムが位置ずれを起こしやすいことと、疎な点群やボクセルマップが高品質な3D可視化およびレンダリングを支援しにくいという二重の課題に対し、頑健な動的セマンティックフロントエンドと3Dガウススプラッタリングマッピングバックエンドを融合したリアルタイムセマンティックSLAMシステムGS-SLAMを提案する。フロントエンドは改良されたMobileNetV2バックボーンに基づく軽量なSOLOv2アルゴリズムを採用し、リアルタイムのセマンティックセグメンテーションを実現する；これに基づき、3フレームのエピポーラ整合制約と劣化シーンにおける二重閾値の幾何学的制約を提案し、一定速度運動仮定と3D輪郭の再投影に基づく検出漏れ補償機構を構築し、動的特徴点の効果的な除去を行う。バックエンドは独立した非同期の3Dガウスマッピングスレッドを設計し、スライディングウィンドウの整合性のある動的マスク融合戦略を提案して多フレームのセマンティックおよび幾何検出結果の時系列統計を行う；マッチング点数と追跡安定性を融合した適応的選択機構を構築し、高品質なキーフレームを抽出して動的シーンにおける静的な3Dガウスモデルを構築し、リアルタイム処理と高品質レンダリングを実現する。実験結果は、TUMデータセットの高動的シーケンスにおいて、従来のORB-SLAM2と比較して絶対軌道誤差が著しく低減（最大99%超の低減）、相対姿勢誤差も93%以上の低減を達成したことを示す；Bonnデータセットでも優れた結果を取得し、同等先進アルゴリズムと比較して優れた定位精度を有する。

3Dガウススプラッタリング;動的環境;セマンティックセグメンテーション;動的特徴除去;検出漏れ補償