O Gaussian SLAM consegue reconstruir cenas 3D renderizáveis a partir de fluxos de dados RGBD. É o primeiro método de SLAM RGBD neural capaz de reconstruir cenas do mundo real com realismo fotográfico. Ao utilizar gaussianas 3D como unidades principais de representação da cena, superamos as limitações dos métodos anteriores. Observamos que as gaussianas 3D tradicionais são difíceis de usar em configurações monoculares: elas não conseguem codificar informações geométricas precisas e são difíceis de otimizar por meio de supervisão sequencial de visão única. Ao expandir as gaussianas 3D tradicionais para codificar informações geométricas e projetar uma nova representação de cena e um método para seu crescimento e otimização, propomos um sistema SLAM capaz de reconstruir e renderizar conjuntos de dados do mundo real sem sacrificar velocidade e eficiência. O Gaussian SLAM consegue reconstruir e renderizar cenas do mundo real com realismo fotográfico. Avaliamos nosso método em conjuntos de dados sintéticos e do mundo real comuns e o comparamos com outros métodos SLAM de última geração. Por fim, demonstramos que nossa representação 3D final da cena pode ser renderizada em tempo real por meio da renderização eficiente por salpicamento gaussiano.