Die SymboSLAM-Architektur transformiert die Umgebung in einen abfragbaren Zustandsraum, indem sie eine Mischung aus sub-symbolischen und symbolischen Reasoning-Techniken verwendet. Zunächst werden sub-symbolische KI-Module für die Objekterkennung zur Merkmalsextraktion eingesetzt. Anschließend werden die extrahierten Merkmale semantisch beschriftet und in einem Posegraphen platziert, um die Umgebung in eine Reihe von abfragbaren Zustandsraumvariablen umzuwandeln. Schließlich arbeitet eine symbolische KI-Komponente für Kontexterkennung daran, den Umgebungstyp segmentierter Teile einer Karte in einem kollektiv referenzierten Koordinatensystem zu folgern. Die symbolische Komponente, die zur Bestimmung des Umgebungstyps abgefragt wird, ist eine Ontologie.
Die SymboSLAM-Architektur verwendet intelligente Edge-Agenten, die in der Lage sind, Informationen zu verarbeiten und Wissen über ihre Umgebung zu gewinnen. Diese Edge-Agenten wenden ontologisch unterstützte semantische Beschriftungen auf extrahierte Merkmale an, um symbolische Darstellungen ihrer Umgebung zu erzeugen. Eine Kontrollinstanz sammelt diese semantisch beschrifteten individuellen Karten der Edge-Agenten und erstellt eine zentrale Karte, um Wissen über die Umgebung abzuleiten. Eine Ontologie wird dann in einem symbolischen Reasoning-Ansatz eingesetzt, um die semantisch beschrifteten Darstellungen der Merkmale in dieser zentralen Kartenstruktur zu verwenden und eine 2D-Karte der Umgebungsklassifizierungen zu erstellen.
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by Brandon Curt... klo arxiv.org 03-26-2024
https://arxiv.org/pdf/2403.15504.pdfSyvällisempiä Kysymyksiä