A categorization of simultaneous localization and mapping knowledge for mobile robots

• Autores: Cornejo Lupa M.A., Ticona-Herrera R.P., Cardinale Y., Barrios-Aranibar D.
• Formato: artículo
• Fecha de Publicación: 2020
• Institución: Consejo Nacional de Ciencia Tecnología e Innovación
• Repositorio: CONCYTEC-Institucional
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.concytec.gob.pe:20.500.12390/2564
• Enlace del recurso: https://hdl.handle.net/20.500.12390/2564; https://doi.org/10.1145/3341105.3373974
• Nivel de acceso: acceso abierto
• Materia: SLAM; Mobile robots; Ontologies; Semantic robots; Semantic web; http://purl.org/pe-repo/ocde/ford#2.02.02

Los robots autónomos están desempeñando un papel importante en las actividades académicas, tecnológicas y científicas. Por lo tanto, su comportamiento es cada vez más complejo. Las principales tareas de los robots autónomos incluyen mapear un entorno y localizarse a sí mismos. Estas tareas comprenden el problema de localización y mapeo simultáneos (SLAM). La representación del conocimiento de SLAM (p. ej., características del robot, información del entorno, información de mapeo y ubicación), con un modelo estándar y bien definido, proporciona la base para desarrollar soluciones eficientes e interoperables. Sin embargo, hasta donde sabemos, no existe una clasificación común de tales conocimientos. Muchos trabajos existentes basados ​​en la Web Semántica han formulado ontologías para modelar información relacionada solo con algunos aspectos de SLAM, sin un arreglo estándar. En este artículo proponemos una categorización del conocimiento gestionado en SLAM, basada en ontologías existentes y principios de SLAM. También clasificamos ontologías recientes y populares según nuestras categorías propuestas y destacamos las lecciones a aprender de las soluciones existentes. © 2020 ACM.