به‌گزارش خبرگزاری دانشجویان ایران (ایسنا)، روش جدیدی که در این تحقیق برای ترکیب اطلاعات موقعیت حاصل از دو سنسور دوربین و انکدر چرخ‌های روبات ارائه شده کاهش چشمگیری در خطای مکان‌یابی روبات ایجاد می‌کند.

«صادق سلیمان‌پور» دانش‌آموخته‌ی کارشناسی ارشد هوش مصنوعی و روباتیک - که در پژوهش‌های پایان‌نامه‌اش به‌راهنمایی دکتر «سعید شیری قیداری» موفق به ارائه‌ی این روش شده – درباره‌ی اهمیت نتایج تحقیق اظهار کرد: وقتی یک روبات سیار وارد محیط ناشناخته‌ای می‌شود تنها با استفاده از اطلاعات سنسورهایش می‌تواند به‌درستی در محیط حرکت کرده و مأموریتش را با موفقیت به‌انجام برساند.

اگر اطلاعات سنسورها دقیق و سازگار باشند این‌کار چندان مشکل نیست اما در دنیای واقعی، اطلاعات سنسورها به‌دلایل مختلف دقیق و سازگار نیستند؛ لذا این‌که روبات چگونه می‌تواند از نادقیق بودن اطلاعات سنسورها و ناسازگار بودن اطلاعات ارائه شده توسط دو سنسور مختلف مطلع شده و در نهایت چگونه می‌تواند این اطلاعات نادقیق را با یکدیگر ترکیب کرده و مأموریتش را با موفقیت به‌پایان برساند سؤال‌هایی هستند که این پژوهش برای پاسخ به آن‌ها انجام شده است.

وی با بیان این‌که در این تحقیق برای ترکیب اطلاعات سنسورهایی که دارای عدم قطعیت هستند از «تئوری شواهد دمپستر شفر» استفاده شده است خاطرنشان می‌کند: این تئوری یکی از ابزارهایی است که از آن برای ترکیب اطلاعات به‌دست آمده از منابع مختلف استفاده می‌شود و می‌تواند به‌عنوان جایگزینی برای «دیدگاه بیزی» در مسأله‌ی ترکیب اطلاعات سنسورها باشد.

علت آن نیز برتری آن در تجمیع اطلاعات سنسورها و قابلیت آن در اندازه‌گیری میزان ناسازگاری در نقشه‌ی اشغال محیط است.

به‌گفته‌ی مجریان طرح در این تحقیق برای اولین‌بار با استفاده از این تئوری، راه‌حل مؤثری در مکان‌یابی روبات متحرک ارائه شده است.

پژوهشگران در عین حال تصریح می‌کنند:

قبل از این‌که بتوانیم اطلاعات به‌دست آمده از سنسورها را ترکیب کنیم باید معتبر بودن اطلاعات تشخیص داده شود.

به این منظور به‌کمک فاصله‌ی «ماهالانوبیس» سازگار بودن اطلاعات جدید با اطلاعات قبلی بررسی شده و فقط از اطلاعات سنسورهایی استفاده می‌شود که به‌اندازه‌ی کافی سازگار باشند.

به‌کمک این روش جدید - که از قاعده‌ی ترکیب یاگر استفاده می‌کند - می‌توان اطلاعات به‌دست آمده از سنسورهایی را که دچار اختلال‌های ناگهانی می‌شوند به‌خوبی شناسایی و از تأثیر آن‌ها بر نتیجهی کلی کار جلوگیری کرد. این روش نسبت به روش‌های متداول نظیر: «فیلتر کالمن» برتری زیادی داشته است.