Este documento presenta EIF-SlideWindow, una nueva mejora del algoritmo Filtro de Información Extendido (EIF) para Localización y Mapeo Simultáneo (SLAM). El EIF-SLAM tradicional, aunque efectivo en muchos escenarios, tiene dificultades con las imprecisiones en sistemas altamente no lineales o entornos caracterizados por un ruido no gaussiano significativo. Además, la complejidad computacional de EIF/EKF-SLAM escala con el tamaño del entorno, lo que a menudo resulta en cuellos de botella de rendimiento. Nuestro enfoque propuesto EIF-SlideWindow aborda estas limitaciones al mantener una matriz de información y un vector de tamaño fijo, asegurando un procesamiento constante por paso de robot, independientemente de la longitud de la trayectoria. Esto se logra a través de un mecanismo de ventana deslizante centrado en la posición del robot, donde los puntos de referencia más antiguos son reemplazados sistemáticamente por los más nuevos. Evaluamos la efectividad de EIF-SlideWindow utilizando datos simulados y demostramos que supera al EIF/EKF-SLAM estándar tanto en precisión como en eficiencia. Además, nuestra implementación aprovecha PyTorch para operaciones de matriz, lo que permite una ejecución eficiente tanto en CPU como en GPU. Además, el código para este enfoque está disponible para su exploración y desarrollo adicional.