任務適用性

支持風險的證據

• 動態點移除方法在「保留靜態點」與「移除動態點」之間的取捨方向不同。在重構後的統一基準中，Removert 幾乎保留全部靜態點但偵測到的動態點少，ERASOR 移除動態點效果好但降低了靜態點正確率(Zhang et al., 2023a, Sec. V-A, Table I)；ERASOR 也因高度敏感，移除了行人附近的樹幹與地面(Zhang et al., 2023a, Sec. V-B)。
• ERASOR 假設動態物與地面接觸，並假設位姿已事先最佳化(Lim et al., 2021, Sec. II-A)；作者也把建物改建或修復等大尺度變化明確排除在研究範圍外，只處理車輛與行人等實例層級的動態物(Lim et al., 2021, Sec. II)。位姿品質會改變所有受測方法的靜態正確率，位姿越差，場景看起來越「動態」(Duberg et al., 2024, Sec. V-C)；漂移對 Dynablox 精確率（precision）的影響大於召回率（recall）(Schmid et al., 2023, Sec. VII-C)。
• 緩慢移動的大型物體可能只被部分偵測(Duberg et al., 2024, Sec. V-E)；人員長時間站立不動時，改良後的 OctoMap 仍需調整占據機率參數(Zhang et al., 2023a, Sec. V-B, Fig. 7)；DUFOMap 線上使用時，半室內資料中站立不動的人員也要等到移動後才被標為動態(Duberg et al., 2024, Sec. V-A1)。

（推論）工地上以天或週為尺度移動的材料、模板與臨時構造物，介於「動態物」與「永久變更」之間。逐點基準的指標只計分類是否正確，不計保留下來的表面幾何是否正確。

反證或既有解法

• LT-mapper 把高動態點移除與低動態變化偵測分成兩步，後者輸出新出現與消失的點；作者的長期資料示例中，新設的施工圍牆以長期變化呈現。其驗證資料為都市、校園與停車場，不是工地(Kim & Kim, 2022, Figs. 1, 6)；變化偵測也沒有逐點真值，只以重組地圖與實際地圖的 Chamfer 距離間接評估(Kim & Kim, 2022, Sec. V-D, Table I)。
• Yang 等人以正、負變化加上類似 Git 的版本控制保存各時段差異，可重建任一時段的地圖(Yang et al., 2024)；其變化偵測的量化評估使用人工移動物件產生的模擬變化(Yang et al., 2024, Sec. IV-C)。SLAM2REF 對齊參考圖後以 OctoMap 分析新增與移除的構件(Vega-Torres et al., 2024)，但作者也報告窗戶反射會產生虛假構件(Vega-Torres et al., 2024, Sec. 8)。

（推論）工程流程可先完成多時段對齊，再做動態移除與變化偵測，並保留被移除的點供複核，而不是直接丟棄。

支持風險的證據

• BIM-Loc 的作者明言，其差異偵測只判斷構件有無，未考慮形狀變化、邊界偏移與厚度差異，也無法量化偏差大小(Zhang et al., 2026, Sec. 6)。在施工中工地沒有真值軌跡，評估只用 MME、scan-to-BIM 距離、以同一份 BIM 為參考的 WD 與影像疊合的定性比對，且 scan-to-BIM RMSE 只計 0.2 m 以內的距離(Zhang et al., 2026, Sec. 4, 4.2.3)。
• SLAM2REF 只處理雜物與動態物造成的差異，不處理永久構件的改變；參考圖本身有誤的地方，最終 ICP 也可能跟著錯(Vega-Torres et al., 2024, Sec. 1, 8)。
• 竣工與設計的偏差可能讓 BIM 定位失敗(Yin et al., 2023, Sec. 4.5)；大幅差異、低重疊或對稱環境可能無法對齊(Vega Torres et al., 2023, Sec. 5)；LIO-BIM 在 ConSLAM 上的誤差，隨工地逐漸偏離 BIM 而上升(Stührenberg & Smarsly, 2025, Sec. 6, Table 5)。

（推論）以同一份 BIM 同時作為定位先驗與評估參考時，一致性指標無法揭露小於構件層級的偏差。ConSLAM 上的兩項研究所用的 BIM 都由序列 2 的 TLS 建模，屬竣工模型(Vega-Torres et al., 2024; Stührenberg & Smarsly, 2025)；它們測到的是竣工模型與後續施工狀態之間的差異，「設計模型與竣工現況」之間的偏差並沒有被測到。

反證或既有解法

• BIM-Loc 把定位拆成 BIM 輔助軌跡最佳化與階層式差異偵測兩個耦合子問題迭代求解；在移除帷幕牆的模擬中，差異偵測平均 F1 為 0.913(Zhang et al., 2026, Table 2)。
• Blum 等人先對整個平面圖模型做 ICP，再只對選定的參考牆精修，並以影像語意剔除雜物與人員等離群點；評估用的全測站參考另外修正了參考牆的實測偏差。但表 II 至 IV 的模型偏差是作者把網格上下兩側結構人為拉開 0.3 m 模擬的，不是實測施工偏差；作者也報告沒有任何方法組合總是有效(Blum et al., 2021, Sec. III-B, IV-C, V)。
• Zhang 等人依構件是否已施作截斷對應權重，避免臨時材料與未施作構件誤導配準(Zhang et al., 2024b, Sec. 3.3.2)；靠牆的臨時圍籬仍可能被關聯到牆(Zhang et al., 2024b, Sec. 4.2.2)。
• BIM-SLAM 對齊後以點到 BIM 網格的有號距離（signed distance）找出模型外的新物件，但實測只有定性結果，BIM 中已移除的構件（負向差異）也列為未來工作(Vega Torres et al., 2023, Sec. 3.4, 4.2, 6)。

支持風險的證據

• 體積式有號距離融合（TSDF 融合的原型）：原作者指出表面後方的距離斜坡會使薄面增厚、尖角圓化(Curless & Levoy, 1996, Sec. 7)，孔洞填補產生的面也不是觀測到的幾何(Curless & Levoy, 1996, Sec. 4, Fig. 11)。
• Screened Poisson：輸入掃描未對齊時，重建表面會在掃描之間起伏(Kazhdan & Hoppe, 2013, Sec. 6.3)；Poisson 在無資料處外插的表面，PUMA 以修剪 10% 低支持頂點處理(Vizzo et al., 2021, Sec. III-B)。
• 神經隱式地圖：iMAP 把對未觀測區域（例如背面）的補洞列為優點(Sucar et al., 2021)，Co-SLAM 的表示也兼顧表面的連續補洞(Wang et al., 2023a)；NICE-SLAM 則把單一 MLP 表示的過度平滑列為要改善的問題(Zhu et al., 2022a)。
• 點雲平滑：SLAM 點雲雜訊較高，平滑可提高整體精度，但可能抹除銳利邊緣(Štroner et al., 2025, Sec. 4)。
• 一棟現代建築遺產的比較中，以 GeoSLAM 行動式 SLAM 掃描器取得的點雲，對照獨立 HBIM 的分割召回率高於 3DGS；作者也指出 3DGS 在複雜或遮蔽區域的幾何精確度較低，但研究並未量測任一輸出的幾何誤差(Yu et al., 2025, Sec. 4.3, 6)。

（推論）對工程用點雲而言，補洞與外插得到的幾何不是量測結果；若不另行標示，可能被當作現況構件使用。

反證或既有解法

• Screened Poisson 以點位置約束減輕原始 Poisson 的過度平滑(Kazhdan & Hoppe, 2013, Sec. 1)，但也更貼合未對齊或含雜訊的輸入，作者建議雜訊大時降低 screening 權重(Kazhdan & Hoppe, 2013, Sec. 6.3)。PINGS 在距離場與高斯輻射場之間加入幾何一致性約束，讓影像的光度線索回饋距離場；但其表面評估關閉定位、使用真值位姿，量到的是建圖元件本身(Pan et al., 2025, Sec. IV-C)。
• 在粗糙的土方表面，平滑只帶來輕微改善(Křemen et al., 2025, Results)；（推論）平滑的效益與風險可能依表面型態而異，需要按構件類型分別檢驗。

（推論）保留可追溯的原始量測，記錄體素、截斷與降採樣參數，並把推定幾何與量測幾何分開標示，可降低這項風險。

支持風險的證據

• 整體 ICP 對齊可掩蓋漂移，改用入口約束對齊才顯示累積誤差(Fahle et al., 2022, Sec. 4.4)；Schillberg 等人也指出，以點對與 ICP 對齊 TLS 後算出的雲對雲距離可吸收漂移(Schillberg et al., 2025, Discussion)。
• 地圖指標多在對齊後計算：MapEval 先以點到平面 ICP 對齊參考地圖(Hu et al., 2025)；Tanks and Temples 先做含尺度的相似轉換與 ICP，再做體素重取樣與範圍裁切(Knapitsch et al., 2017)。
• 重取樣與裁切參數會改變數值：MapEval 的 AWD 在其 S1 序列上隨體素尺寸近似線性增加，5 cm 體素為 4.90 cm，70 cm 體素為 135.66 cm(Hu et al., 2025, Sec. IV-E, Fig. 7)；Co-SLAM 作者報告其網格裁切策略使所有比較方法的重建指標都變好(Wang et al., 2023a, Sec. 4.1)。
• 無參考指標只在軌跡全域一致時才有意義：配準誤差大時點雲散開，明顯較差的對齊可能得到較低（較佳）的平均地圖熵(Razlaw et al., 2015, Sec. V-C, Fig. 8)。軌跡層也是如此：作者在單一序列與單一估計器上示範，用於對齊的狀態數會改變平移 ATE(Zhang & Scaramuzza, 2018, Table III)。
• 參考與受測資料相依：SLAM2REF 的評估參考與最終 ICP 使用同一份 TLS 地圖(Vega-Torres et al., 2024)；手持掃描漂移修正後的殘差，以提供控制區塊的同一份 TLS 評估(Keitaanniemi et al., 2023)；地下礦坑地圖與測量圖的比較，是在配準到同一份測量圖之後計算(Zlot & Bosse, 2014, Sec. 4.3-4.4)。

反證或既有解法

• 全程只以兩端控制點做剛體轉換，並分別報告雜訊、ICP 後殘差與中段剖面的系統偏移，中段的「香蕉形」變形因此可以看見(Štroner et al., 2025, Sec. 2.5, 3.4)；逐剖面計算系統偏移，也揭露了長坑道的縱向壓縮(Křemen et al., 2024)。
• 指標選擇決定能看到什麼：在 MapEval 的 S14 序列中，倒角距離（Chamfer distance）在兩種方法之間幾乎不變，AWD 則反映出具迴圈修正方法較好的全域精度(Hu et al., 2025, Sec. IV-C)。
• Hilti-Oxford 以 TLS 量測的地面十字標記，為每個序列提供 5 至 10 個稀疏控制點(Zhang et al., 2023c)；（推論）稀疏控制點只檢核少數時刻的位置，不評估點雲表面。

支持風險的證據

• 具獨立參考的 SLAM 研究多在已完工建物或既有坑道（見上方矩陣）。BIM-Loc 的實測資料中，以真值 ATE 呈現的結果只來自已完工辦公建物，施工中工地沒有真值軌跡(Zhang et al., 2026, Sec. 4.2.3-4.2.4)。
• 作者自述的適用範圍：Yin 等人把主張限於靜態環境，並指出施工現場需要更新 BIM(Yin et al., 2023, Sec. 4.5)；Kim 等人指出其 SLAM 無法在室內或狹窄空間運作(Kim et al., 2022a, Sec. 5)。
• 在施工中醫院大樓比較十種方法的研究中，作者報告 LiDAR-only 方法普遍出現 z 軸漂移與地圖翹曲，所有演算法在長走廊轉角與大跨度開放空間出現誤差峰值；因實地參考軌跡的來源未說明，只能作定性理解(Feng et al., 2025, Sec. 5.2-5.3)。
• 地下環境的幾何退化：GEODE 的作者指出牆面平滑的潛盾隧道幾何退化嚴重，壁面不規則的礦山工法隧道則較輕(Chen et al., 2025b, Sec. 4.1.3)；壁面平滑的道路隧道可能缺乏沿隧道方向的約束(Zlot & Bosse, 2014, Sec. 5)。
• 窗戶等反射面與細薄物體，是 Dynablox 報告的失效情境(Schmid et al., 2023, Sec. VII-F)；（推論）施工中建築的玻璃、鷹架與防護網可能落入同類情境。

反證或既有解法

• 少數施工中工地研究在各自條件下取得了有獨立參考的幾何或定位結果：靜止機器人在建築平面圖模型中的定位(Blum et al., 2021)、七個樓層的 BIM 配準（相對以工程師量測特徵點引導的參考配準，精配準誤差平均約 0.058 m）(Zhang et al., 2024b, Table 4)，以及土方堆置場以地面控制點地理參考時平均 17.7 mm 的 RMSD(Křemen et al., 2025, Table 2)。三者各只有單一工地。
• 公開工地資料集可以用來檢驗外推：ConSLAM 每月重訪同一工地(Trzeciak et al., 2023)；Hilti 2021 的 Construction Site 與 Hilti-Oxford 的 Exp01 至 Exp06 位於營建工地(Helmberger et al., 2022; Zhang et al., 2023c)。