Formal methods for reasoning and uncertainty reduction in evidential grid maps

همجوشی اطلاعات، وظیفه ترکیب داده های جمع آوری شده از منابع مختلف به نمایندگی یکپارچه است. در اینجا، یک چالش اصلی این است که با عدم اطمینان ذاتی موجود در اطلاعات، مانند سر و صدای حسگر، اطلاعات متضاد و یا دانش ناقص برخورد شود. در رویکردهای فعلی، معمولا به منظور کاهش پیچیدگی، فرضیه های استقلال استفاده می شود. به همین علت، پتانسیل کامل داده های جمع آوری شده اغلب به طور کامل مورد سوء استفاده قرار نمی گیرد و تلفیق ممکن است به عدم اطمینان بیشتری منجر شود. به منظور کاهش این عدم اطمینان، اطلاعات بیشتر در قالب اطلاعات پس زمینه و متخصص می تواند مورد استفاده قرار گیرد، که اغلب برای سناریوهای واقعی در دسترس است. با این حال، استدلال بر این دانش یک کار پیچیده محاسباتی است. در این کار، ما یک روش را پیشنهاد می دهیم که از روش های رسمی برای استدلال استفاده می کند، که اجازه می دهد بعضی از فرضیه های استقلال را تحمل کنیم. ما روش پیشنهادی را با استفاده از نقشه های شبکه های اثرگذاری نشان می دهیم - یک نمایش محیطی مبتنی بر اعتقاد، که در آن انواع مختلف عدم قطعیت به صراحت بیان می شود. روش ما بر مبنای ساختارهای پایه و همچنین مجموعه داده های دیتا واقعی ارزیابی می شود. نتایج نشان می دهد که عدم اطمینان در نقشه ها با توجه به وابستگی های سلول ها به طور قابل توجهی کاهش می یابد.