论更智能多层地图的潜力

机器人处理环境信息最常见的方式是使用地图。目前，每种数据都存放在独立的地图上，这使得规划变得复杂，因为机器人执行任务时需要访问并处理来自许多不同地图的信息。而且，通常来自不同来源的地图中所包含信息之间的关联性未被评估或利用。本文中，我们认为在机器人领域，从单源地图向多层地图形式体系的转变，有潜力彻底改变机器人与其环境知识交互的方式。这一观察源于度量-语义建图研究的兴起，但其表述扩展至包含其他信息源层，例如人流、房间语义或环境拓扑。此类多层地图，此处命名为超地图（hypermaps），不仅可以简化空间数据信息的处理，还能带来源于地图间交互的额外益处。我们设想，基于此种多层地图形式体系的一个机器人新研究方向，可利用人工智能处理其存储的信息，向机器人呈现特定任务信息，从而简化规划，并使我们在机器人高层推理方面更近一步。