Simultaneous Localization and d Mapping (SLAM) er en key technologiy in robot 's and d autonomous systems. Det tillader en robot at bygge en map on an know on environment (SLAM), som er en vigtig faktor for den positive effekt af denne nye teknologi.

Understanding Landmark Uncertainty

Landmark er et vigtigt punkt i SLAM. Faktorer som SLAM sensornoise, miljøforandringer, og andre mål bidrager til at skabe usikkerhed.

Metoder til beregning af usikkerhed

Severail metoder er en hjælp til kvantitet landmark unsikkert. Probabilistiske modeller, såsom As Gaussiain distributions, are common. Disse modeller repræsenterer de mulige lokaliseringer af landmarkeder med en mean og en covarian matrix. Sensor fusio n techniques combinine fra multiple sources til raffinaderier med disse markeder, reducere virkningerne af ikke-miljøpåvirkning og miljøpåvirkning.

Enhancing SLAM Reliability

Det er muligt at tilpasse de forskellige systemer til de usikre forhold, der er forbundet med de faktiske forhold, og at tilpasse dem til de usikre forhold, der gør sig gældende.

  • Sensornoise modeling
  • Probabilistic data associatien
  • Adaptive filtering techniques
  • Real- time- miljøanalytikere