코호넨 및 지역 특성 신경망을 이용한 자율 모바일 로봇의 글로벌 자기 위치 지정

이 기사는 (1) 코호넨 신경망과 (2) 지역 특성 신경망(RFNN)을 사용하여 자율 모바일 로봇을 위한 글로벌 자기 위치 지정(GSL) 을 위한 두 가지 신경망 기반 접근 방식을 제시하고 비교합니다. 두 접근 방식 모두 광학 문자 인식(OCR)과 유사한 방식으로 공간의 이산 영역(지형 노드)을 분류합니다. 즉, 매핑된 음파 데이터는 해당 지역에 고유한 문자 형태를 취합니다. 따라서 자율 차량이 탐색 과정에서 수집한 감각 데이터를 통해 자신이 어느 방에 있는지를 판단할 수 있다고 믿어집니다. 강력한 탐색 루틴을 통해 GSL 솔루션은 시간, 변환 및 회전 불변으로 유지될 수 있습니다. GSL 솔루션은 센서 데이터를 수집하는 데 사용되는 모바일 로봇에 독립적일 수도 있습니다. 이는 단일 로봇이 다양한 학습된 지역에 대한 지식을 다른 모바일 로봇으로 전이할 수 있음을 시사합니다. 두 접근 방식의 분류율은 비교 가능하며, 따라서 발표할 가치가 있습니다. 두 접근 방식의 장단점 또한 논의됩니다. © 1997 John Wiley & Sons, Inc.