Un modello generativo spettrale basato su grafi per il mapping semantico di edifici

Consider a mobile robot exploring an initially unknown school building and assume that it has already discovered some classrooms, offices, and bathrooms. What can the robot infer about the presence and the locations of other classrooms and offices in the school building? This thesis makes a step toward providing an answer to the above question by proposing a system based on a generative model that is able to represent the topological structures and the semantic labeling schemas of buildings and to predict the structure and the schema for the unexplored portions of these environments. Buildings are represented as undirected graphs, whose nodes are labeled with names of rooms and edges are physical connections between them. Given an initial knowledge base of graphs, the proposed approach, relying on a spectral analysis of these graphs, segments each graph for finding significant subgraphs, which are then clustered according to their similarity. A graph representing a new building or an unvisited part of a building is eventually generated by sampling subgraphs from clusters and connecting them.

Si consideri un robot mobile autonomo che stia esplorando un edificio scolastico non noto a priori e si assuma che esso abbia già scoperto alcune classi, uffici e bagni. Cosa può inferire il robot circa la presenza e la posizione di altre classi e uffici all'interno dell'edificio scolastico? In questo lavoro di tesi si compie un passo in avanti nel fornire una risposta alla domanda precedente proponendo un sistema basato su un modello generativo che sia capace di rappresentare le strutture topologiche e gli schemi di labeling semantico di edifici e di predire la struttura e lo schema di porzioni inesplorate di questi ambienti. Gli edifici sono rappresentati da grafi non orientati, i cui nodi sono etichettati con i nomi delle stanze e i lati sono collegamenti diretti tra di esse. Data una base di conoscenza iniziale di grafi, l'approccio illustrato, sfruttando l'analisi spettrale, segmenta ogni grafo in sottografi significativi, i quali sono poi raggruppati in cluster in accordo alla loro similarità. Un grafo che rappresenta un nuovo edificio intero o una sua parte è infine generato tramite il campionamento di sottografi dai cluster e il loro collegamento.