ROBOT LOCALIZATION AND MAPPING

Robot localization or mapping can be provided without requiring the expense or complexity an "at-a-distance" sensor, such as a camera, a LIDAR sensor, or the like. Landmark features can be created or matched using motion sensor data, such as odometry or gyro data or the like, and adjacency sensor data. Despite the relative ambiguity of adjacency-sensor derived landmark features, a particle filter approach can be configured to use such information, instead of requiring "at-a-distance" information from a constant stream of visual images from a camera, such as for robot localization or mapping. Landmark sequence constraints or a Wi-Fi signal strength map can be used together with the particle filter approach. Selon l'invention, la localisation ou la cartographie de robot peut être réalisée sans nécessiter la dépense ou la complexité d'un capteur « à distance », tel qu'un appareil de prise de vues, un capteur LIDAR, ou similaire. Des caractéristiques de points de repère peuvent être créées ou cartographiées à l'aide de données de capteur de mouvement, telles que des données d'odométrie ou de gyroscope ou analogues, et des données de capteur de contiguïté. Malgré l'ambiguïté relative des caractéristiques de points de repère dérivées du capteur de contiguïté, une approche de filtre à particules peut être configurée pour utiliser de telles informations, au lieu de demander des informations « à distance » à partir d'un flux constant d'images visuelles provenant d'un appareil de prise de vues, par exemple pour la localisation ou la cartographie de robot. Des contraintes de séquence de points de repère ou une carte d'intensité de signal WiFi peuvent être utilisées conjointement avec l'approche de filtre à particules.