移动机器人地图构建中的重访问题：一种分层贝叶斯方法

我们展示了分层贝叶斯估计在机器人地图构建中的应用。重访问题发生在机器人必须决定其看到的是地图中先前构建的部分，还是在探索新区域时。这是一个困难的决策问题，需要计算机器人位于当前已知地图之外的概率。为了估计该概率，我们将“典型”环境的结构建模为一个隐藏马尔可夫模型，该模型生成机器人在环境中导航时观察到的视图序列。结构模型上的 Dirichlet 先验是从先前探索过的环境中学习得到的。每当机器人探索新环境时，模型的后验通过 Dirichlet 超参数进行估计。我们的方法在多机器人地图合并的背景下得以实现和测试，这是重访问题中一个特别困难的实例。机器人数据的实验表明，该技术比替代方法产生了显著的改进。