Browsing by Author "Sepulveda Villalobos, Gabriel Andres"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    A Behavioral Approach to Indoor Autonomous Navigation with an Affordance-based Plan execution
    (2025) Sepulveda Villalobos, Gabriel Andres; Soto Arriaza, Álvaro Marcelo; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    La mayoríaa de los sistemas de navegación autónoma utilizados actualmente en robots móviles, basan su funcionamiento en la construcción de representaciones de tipo métrica o topológica del ambiente. Desafortunadamente, este tipo de información no es robusta a cambios estructurales del entorno, y su capacidad de generalización se ve limitada al requerir de la construcción de una representación particular para cada ambiente visitado. Para superar las limitaciones antes mencionadas, proponemos un modelo de navegación autónoma capaz de representar ambientes de interior a través de: i) los distintos espacios arquitectónicos que son significativos para los seres humanos, tales como oficinas, corredores y halls, y ii) los comportamientos necesarios para transitar entre dichos espacios, tales como “salir de oficina”, “seguir corredor” o “cruzar hall”. Con este modelobuscamos alcanzar un alto nivel de abstracción, que haga al sistema menos propenso a errores causados por discrepancias entre la representación interna y el entorno real.Las principales contribuciones de este trabajo son: i) un esquema de navegación enfocado en la selección de acciones de alto nivel que es menos propenso a errores de localización, ii) una representación compacta y semánticamente rica del ambiente que facilita el planeamiento de rutas e interacción con seres humanos, y iii) un método para ejecución de planes de navegación basada en la identificación de affordances relevantes para navegación, que permite prescindir de una representación explícita del ambiente. Al evaluar el rendimiento de nuestra solución en ambientes vistos en entrenamiento, obtenemos que nuestro modelo logra superar la tasa de éxito de modelos alternativos hasta en un 43%. Por otro lado, nuestro modelo presenta resultados prometedores para ambientes no vistos, superando hasta en un 26.3% el rendimiento de modelos alternativos.
  • Thumbnail Image
    Item
    A Deep Learning Based Behavioral Approach to Indoor Autonomous Navigation
    (IEEE, 2018) Sepulveda Villalobos, Gabriel Andres; Niebles, Juan Carlos; Soto Arriaza, Álvaro Marcelo
    We present a semantically rich graph representation for indoor robotic navigation. Our graph representation encodes: semantic locations such as offices or corridors as nodes, and navigational behaviors such as enter office or cross a corridor as edges. In particular, our navigational behaviors operate directly from visual inputs to produce motor controls and are implemented with deep learning architectures. This enables the robot to avoid explicit computation of its precise location or the geometry of the environment, and enables navigation at a higher level of semantic abstraction. We evaluate the effectiveness of our representation by simulating navigation tasks in a large number of virtual environments. Our results show that using a simple sets of perceptual and navigational behaviors, the proposed approach can successfully guide the way of the robot as it completes navigational missions such as going to a specific office. Furthermore, our implementation shows to be effective to control the selection and switching of behaviors.