回环检测

回环检测，就是机器人意识到“我以前来过这里”的那一刻，并用这个识别把地图重新拉回正形。机器人四处行驶时，会一步一步地追踪自己的运动——往前一点、稍微转个弯——而每一步里那一丁点误差会悄悄累积起来，于是它对自己位置的猜测会慢慢偏离真实。这种逐渐累积的误差叫做漂移。你不妨半闭着眼、数着步子绕一栋楼走一大圈，等回到正门时，你数出来的位置会显示你在完全不同的地方。回环检测，就是机器人在门口睁开眼、认出了它，然后说“等等——这正是我出发的地方”。

这一次识别威力极大。机器人此刻知道：它原以为相距很远的两个点，其实是同一个地方，这就给了它一条硬性约束：这个环的起点和终点必须对得上。于是它可以把累积下来的误差，沿着自己走过的整条路径向后摊开，轻轻地把路线掰弯，让环真正闭合，而不是留下一道缺口或一处重叠。一张原本越漂越糊、处处对不齐的地图，会被拉回成干净而一致的形状——走廊接上了、墙不再重影、房间各归各位。

麻烦在于，认出一个重访过的地方本身既困难又冒险，因为它依赖于数据关联问题：两个地方可以看起来很像却并非同一个。一次错误的回环——在你其实身处另一个相似却不同的地点时，却宣称你回到了起点——会把地图猛地拽成一个自信却错误的形状，而且极难挽回。所以好的系统在信任一次回环之前，会要求强有力、经过仔细核验的证据，并把一次被错误接受的回环看得远比一次漏掉的回环更严重。