本研究提出了InCrowd-VI数据集，旨在解决拥挤空间中SLAM解决方案开发的困难。该数据集专为室内行人导航设计，提供丰富的场景数据，揭示现有算法在复杂环境中的性能限制，强调SLAM研究在视觉障碍者导航中的重要性。

本文介绍了一种结合了LSTM网络和注意力机制的人类轨迹预测模型。通过使用注意力分数确定模型关注的输入数据部分，该模型可以预测人类未来轨迹。在拥挤空间中的行人未来轨迹预测中，该模型表现出比社交LSTM算法更好的性能。