Semantic Labeling of Places with Mobile Robots

در طول سال های گذشته علاقه فزاینده ای به حوزه ربات های خدماتی وجود داشته است. در این دسته، ربات‌هایی را می‌یابیم که در وظایفی مانند مراقبت از سالمندان، راهنمایی، کمک‌های اداری و خانگی، بازرسی و بسیاری موارد دیگر کار می‌کنند. روبات‌های خدماتی معمولاً در محیط‌های داخلی طراحی شده برای انسان کار می‌کنند، که دفاتر و خانه‌ها از نمونه‌های معمولی آن هستند. این محیط‌ها معمولاً به مکان‌هایی با عملکردهای مختلف مانند راهروها، اتاق‌ها یا درگاه‌ها تقسیم می‌شوند. توانایی یادگیری چنین مقوله‌های معنایی از داده‌های حسگر، یک ربات متحرک را قادر می‌سازد تا بازنمایی خود از محیط را گسترش دهد و قابلیت‌های خود را بهبود بخشد. به عنوان مثال، اصطلاحات زبان طبیعی مانند راهرو یا اتاق را می توان برای نشان دادن موقعیت ربات به روشی شهودی تر در هنگام برقراری ارتباط با انسان استفاده کرد.

این کتاب چندین رویکرد را ارائه می دهد تا یک ربات متحرک را قادر به طبقه بندی کند. مکان ها در محیط های داخلی دسته ها با عباراتی که نشان دهنده مناطق مختلف در این محیط ها هستند نشان داده می شوند. هدف از این کار این است که روبات‌های متحرک را قادر سازد تا تقسیمات فضایی در محیط‌های داخلی را به روشی مشابه مردم درک کنند. این یک گام جالب رو به جلو برای مشکل نزدیک کردن درک ربات ها به درک انسان است. بسیاری از رویکردهای معرفی شده در این کتاب از حوزه تشخیص و طبقه بندی الگو می آیند. روش های کاربردی برای حل مشکل خاص تشخیص مکان اقتباس شده اند. در این راستا، این اثر مرجع مفیدی برای دانشجویان و محققینی است که می‌خواهند تکنیک‌های طبقه‌بندی را برای کمک به حل مشکلات مشابه در رباتیک متحرک معرفی کنند.

During the last years there has been an increasing interest in the area of service robots. Under this category we find robots working in tasks such as elderly care, guiding, office and domestic assistance, inspection, and many more. Service robots usually work in indoor environments designed for humans, with offices and houses being some of the most typical examples. These environments are typically divided into places with different functionalities like corridors, rooms or doorways. The ability to learn such semantic categories from sensor data enables a mobile robot to extend its representation of the environment, and to improve its capabilities. As an example, natural language terms like corridor or room can be used to indicate the position of the robot in a more intuitive way when communicating with humans.

This book presents several approaches to enable a mobile robot to categorize places in indoor environments. The categories are indicated by terms which represent the different regions in these environments. The objective of this work is to enable mobile robots to perceive the spatial divisions in indoor environments in a similar way as people do. This is an interesting step forward to the problem of moving the perception of robots closer to the perception of humans. Many approaches introduced in this book come from the area of pattern recognition and classification. The applied methods have been adapted to solve the specific problem of place recognition. In this regard, this work is a useful reference to students and researchers who want to introduce classification techniques to help solve similar problems in mobile robotics.