SLAM to skrót od Simultaneous Localization and Mapping, czyli jednoczesnej lokalizacji i mapowania. Rozwiązuje problem przypominający dylemat kury i jajka: żeby wiedzieć, gdzie jestem, potrzebuję mapy — ale żeby zbudować mapę, muszę wiedzieć, gdzie jestem. SLAM realizuje oba zadania jednocześnie: robot porusza się, na bieżąco składa mapę otoczenia z danych sensorycznych i zaznacza w tej samej mapie swoją własną pozycję.
Na wejście trafiają zazwyczaj dane z kamer (visual SLAM), z LIDARu lub ich kombinacja, uzupełniona o IMU do szacowania ruchu między kolejnymi klatkami. Algorytm wyszukuje w scenie charakterystyczne punkty (narożniki, krawędzie, struktury), śledzi, jak przesuwają się podczas ruchu robota, i na tej podstawie oblicza zarówno trajektorię, jak i geometrię przestrzeni. Kluczowym elementem jest tzw. loop closure — rozpoznanie, że robot wrócił w już odwiedzone miejsce, co pozwala skorygować narastający błąd i „wyprostować” mapę.
Dla mobilnych humanoidów SLAM jest podstawą orientacji w przestrzeni: bez niego robot nie wie, którędy do drzwi ani czy był już w tej części magazynu. Jest to jednak raczej dojrzała, dobrze opanowana technologia z szerszej robotyki niż specjalność humanoidów — korzystają z niej również autonomiczne samochody, drony i robotyczne odkurzacze. U humanoidów pojawia się tam, gdzie mają poruszać się samodzielnie w rozległym środowisku, jak na przykład roboty logistyczne Digit czy Apollo.
SLAM daje robotowi pamięć przestrzenną — geometryczny szkielet, do którego wyższe warstwy embodied AI doczepią znaczenie („tu jest regał, tam rampa załadunkowa”). Sam w sobie nie rozwiązuje jednak rozumienia zadań ani manipulacji; to nawigacyjna podstawa, a nie mózg robota. Szczegóły konkretnych implementacji w poszczególnych komercyjnych humanoidach producenci zazwyczaj nie ujawniają.