La generación de mapas globales robustos de un entorno desconocido y desordenado a través de un marco robótico colaborativo es un desafío. Presentamos un marco de SLAM colaborativo, CORB2I-SLAM, en el que cada robot participante lleva una cámara (monocular/estéreo/RGB-D) y un sensor inercial para ejecutar la odometría. Un servidor centralizado almacena todos los mapas y ejecuta tareas intensivas en procesador, como el cierre de bucles, la fusión de mapas y la optimización global. El marco propuesto utiliza la Odometría Visual-Inercial (VIO) bien establecida y puede adaptarse para usar Odometría Visual (VO) cuando las mediciones de los sensores inerciales son ruidosas. El sistema propuesto resuelve ciertas desventajas de los sistemas basados en odometría, como la estimación errónea de la pose debido a una selección incorrecta de características o la pérdida de seguimiento debido a un movimiento brusco de la cámara y proporciona un resultado más preciso. Realizamos pruebas de viabilidad en autonomía de robots reales y validamos extensamente la precisión de CORB2I-SLAM en secuencias de datos de referencia. También evaluamos su escalabilidad y aplicabilidad en términos del número de robots participantes y requisitos de red, respectivamente.