OntoSLAM: Una ontología para representar la información de localización y mapeo simultáneo

Abstract

Actualmente, los robots autónomos están jugando un papel importante en las actividades académicas, tecnológicas y científicas. Por lo tanto, su comportamiento se está volviendo más complejo. Una aplicación particular de los robots autónomos es en el contexto del problema Simultaneous Localization and Mapping (SLAM), donde las principales tareas son mapear un entorno y localizarse a sí mismos. Para asegurar soluciones eficientes e interoperables al problema de SLAM, es necesario contar con una representaci´on del conocimiento relacionado, a trav´es de un modelo est´andar, flexible y bien definido. Como lo demuestran muchos trabajos existentes, las ontologías parecen ser una clara solución para representar el conocimiento complejo. En la actualidad, no hay estudios sobre ontolog´ıas que modelen directamente el problema SLAM. Sin embargo, hay varios trabajos que se enfocan en la categor´ıa del Mapeo del entorno, con la limitación de que se centran en el resultado del algoritmo SLAM (los mapas) y no en la información relacionada con el proceso que los lleva a obtener dichos resultados. Para ofrecer soluciones que soporten el dinamismo que puede surgir en una solución al problema SLAM, es importante incorporar la información relacionada al tiempo y a la incertidumbre de los posiciones del robot y de otros objetos (landmarks) que conforman el ambiente, en las ontologìas para el SLAM. Incluir esta información permite desarrollar una ontología completa de SLAM para robots móviles. En este contexto, el objetivo de este trabajo es desarrollar OntoSLAM, una ontología para modelar el conocimiento de SLAM, incluyendo la incertidumbre en la pose del robot y el posicionamiento de puntos de referencia y otros objetos del ambiente.