動的な戦場環境下で無人プラットフォームの位置推定の堅牢性、シーン再構築の品質及びリアルタイムレンダリング能力を向上させるために。従来のリアルタイム位置推定とマッピング（Simultaneous Localization and Mapping、SLAM）アルゴリズムは動的環境下での位置ドリフトや、稀疎な点群またはボクセルマップが高品質な3D可視化とレンダリングをサポートしにくいという二重の課題に直面しており、堅牢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型MobileNetV2バックボーンに基づく軽量SOLOv2アルゴリズムを採用し、リアルタイムセマンティックセグメンテーションを実現する；さらに三フレーム極線整合制約および劣化シーン下での二重閾値幾何制約を提案し、一定速度運動仮定と3D輪郭再投影に基づく欠検補償機構を構築し、動的特徴点の効果的除去を達成する。バックエンドは独立非同期3Dガウスマッピングスレッドを設計し、多フレームのセマンティックおよび幾何検出結果を時系列統計するためのスライディングウィンドウ整合動的マスク融合戦略を提案；マッチング点数とトラッキング安定性を融合した適応的優先選択機構を構築し、高品質キーフレームを選別し、動的シーンに静的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、元のORB-SLAM2と比べて絶対軌跡誤差が著しく低減（低減率99％以上）、相対姿勢誤差も93％以上低減されていることを示し、Bonnデータセットでも良好な結果を得ており、類似の先進アルゴリズムと比較して優れた位置精度を有している。

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;欠検補償