SLAM技术的应用解决了机器人研究领域中定位的问题，解决机器人定位的问题后机器人在未知环境中的自主移动也成为了可能。
机器人定位与建图通常被认为是“鸡与鸡蛋”的问题，因为这个原因才会将这个过程命名为SLAM（Simultaneous localization and mapping），所以即时定位与地图构建（SLAM）是这样一个概念：把两方面的进程都捆绑在一个循环之中，以此支持双方在各自进程中都求得连续解；不同进程中相互迭代的反馈对双方的连续解有改进作用。
SLAM通过获取各种各样的传感器信息：驱动车轮的电机信息、IMU、GPS、激光数据、图像数据等，利用多传感器融合算法求解出一个精确的机器人位姿（即位置和姿态）。同时，将每个pose处得到的传感器数据拼接起来形成完整的地图，又可作为计算位姿的依据。
在激光SLAM系统中，Gmapping获取扫描的激光雷达信息以及里程计数据可动态的生成2D栅格地图。导航包则利用这个栅格地图，里程计数据和激光雷达数据做出适合的路径规划和定位，最后转换为机器人的速度指令。