SymboSLAM：多智能体系统中的语义地图生成

亚符号人工智能方法主导了环境类型分类和同时定位与地图构建领域。然而，这些领域中一个被严重忽视的方面是人机交互空间的解决方案透明度，因为用于地图生成的亚符号方法并未考虑所生成解决方案的可解释性。本文提出了一种通过符号化同时定位与地图构建（SymboSLAM）进行环境类型分类的新方法，以弥合可解释性差距。我们的环境类型分类方法观察本体论推理，该推理用于通过环境中发现的特征来综合环境的上下文。我们通过向操作员展示覆盖了地标和特征语义标签占据地图的环境类型分类，实现了模型内的可解释性。我们使用堪培拉地区的真值地图评估了SymboSLAM，证明了方法的有效性。我们通过仿真和真实世界试验对系统进行了评估。