SLAM（自己位置推定と環境地図作成の同時実行）には、拡張 Kalman フィルターを使用する古典的な SLAM から最新のグラフベースのアルゴリズムまで、複数のテクニックが知られています。 このラボでは、3D レーザースキャンを入力として使用する、他に類のない SLAM アルゴリズムの開発に成功しました。 このアルゴリズムは、地図のセルモデルの表現に、ベイズ理論の代わりに Dempster-Shafer 理論を採用している点で異なります。 従来の方法では、セルごとに特定の占有尤度がありましたが、 Dempster-Shafer 理論では、複数の体積が単一のセルに存在することが可能であり、これらの体積を更新する数式があります。 このプロジェクトの中核にある概念は、地図内のパターンを識別するために、これらの体積を利用することです。 そのようなパターンは、環境内のオブジェクト全体に対応する得意なオブジェクトの境界または領域として現れることがあります。

ポイントクラウドのプロファイルを監視することで、最大共分散展開手法を使用できます。 この手法を使えば、説明変数との関係を維持しながら、生成されるプロファイルの次元を縮小して処理することが可能になります。 これらの変数は、特定の特徴量が基準からどのように逸脱するかに基づいて取得されたパターンを表します。 説明変数は、とりわけ、特定の軸に沿ったパターンの偏角を表現することができます。 現在は、最大共分散展開を使用して屋内環境で一般的とされる 90 度の角度を迅速に特定し、そのような空間内でのロボットの位置検出を支援することについて調査しています。