Resumen

Con el fin de mejorar la capacidad de percepción ambiental de los robots móviles durante la navegación semántica, se propone un marco de percepción de tres capas basado en aprendizaje por transferencia, que incluye un modelo de reconocimiento de lugares, un modelo de reconocimiento de regiones de rotación y un modelo de reconocimiento de lado. El primer modelo se utiliza para reconocer diferentes regiones en habitaciones y pasillos, el segundo se utiliza para determinar dónde el robot debe girar, y el tercero se utiliza para decidir el lado de caminata de pasillos o pasillos en la habitación. Además, el modelo de reconocimiento de lado también puede corregir el movimiento de los robots en tiempo real, lo que garantiza una llegada precisa al objetivo específico. Además, la navegación semántica se logra utilizando solo un sensor (una cámara). Se realizan varios experimentos en un entorno interior real, demostrando la efectividad y robustez del marco de percepción propuesto.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Percepción ambiental; Robots móviles; Navegación semántica; Aprendizaje por transferencia; Modelo de reconocimiento de lugares; Modelo de reconocimiento lateral
• Keywords:Environmental perception; Mobile robots; Semantic navigation; Transfer learning; Place recognition model; Side recognition model