Robotic Mapping and Exploration

\"نقشه برداری و اکتشاف رباتیک\" سهم مهمی در زمینه محلی سازی و نقشه برداری همزمان (SLAM) برای ربات های خودمختار است که در چند سال اخیر مورد توجه زیادی از سوی جامعه تحقیقاتی قرار گرفته است. سال ها. مطالب بر روی مسئله یادگیری نقشه برداری مستقل متمرکز شده است. راه حل ها شامل کاوش مبتنی بر عدم قطعیت، بسته شدن حلقه فعال، هماهنگی چند ربات، یادگیری و ترکیب دانش پس زمینه، و برخورد با محیط های پویا است. نتایج با مجموعه‌ای غنی از آزمایش‌ها همراه است، که چشم‌انداز امیدوارکننده‌ای را نسبت به برنامه برای طیف گسترده‌ای از ربات‌های موبایل و تنظیمات میدانی، مانند جستجو و نجات، وظایف حمل‌ونقل، یا تمیز کردن خودکار با جاروبرقی نشان می‌دهد.

"Robotic Mapping and Exploration" is an important contribution in the area of simultaneous localization and mapping (SLAM) for autonomous robots, which has been receiving a great deal of attention by the research community in the latest few years. The contents are focused on the autonomous mapping learning problem. Solutions include uncertainty-driven exploration, active loop closing, coordination of multiple robots, learning and incorporating background knowledge, and dealing with dynamic environments. Results are accompanied by a rich set of experiments, revealing a promising outlook toward the application to a wide range of mobile robots and field settings, such as search and rescue, transportation tasks, or automated vacuum cleaning.