SLAM je zkratka pro Simultaneous Localization and Mapping, tedy souběžnou lokalizaci a mapování. Řeší problém připomínající slepici a vejce: abych věděl, kde jsem, potřebuji mapu — ale abych si postavil mapu, musím vědět, kde jsem. SLAM oba úkoly řeší zároveň: robot se pohybuje, ze senzorů průběžně skládá mapu okolí a do téže mapy zároveň zakresluje vlastní polohu.
Vstupem bývají data z kamer (visual SLAM), z LIDARu nebo jejich kombinace, doplněná o IMU pro odhad pohybu mezi snímky. Algoritmus hledá ve scéně charakteristické body (rohy, hrany, struktury), sleduje, jak se posouvají při pohybu robota, a z toho dopočítává jak trajektorii, tak geometrii prostoru. Důležitou součástí je takzvané loop closure — rozpoznání, že se robot vrátil na již navštívené místo, což umožní opravit nasčítanou chybu a mapu „srovnat”.
Pro mobilní humanoidy je SLAM základem orientace v prostoru: bez něj robot neví, kudy ke dveřím nebo zda už byl v této části skladu. Je to ale spíš zralá, dobře zvládnutá technologie z širší robotiky než specialita humanoidů — používají ji i autonomní auta, drony a robotické vysavače. U humanoidů ji najdeme tam, kde se mají samostatně pohybovat v rozlehlém prostředí, například u logistických robotů jako Digit nebo Apollo.
SLAM dává robotovi prostorovou paměť — geometrickou kostru, na kterou pak vyšší vrstvy embodied AI navěšují význam („tady je regál, tamhle nakládací rampa”). Sám o sobě však neřeší porozumění úkolu ani manipulaci; je to navigační základ, ne mozek robota. Konkrétní implementace u jednotlivých komerčních humanoidů výrobci většinou nezveřejňují do detailu.