HMT-SLAM代表混合测量拓扑SLAM

1概述
HMT-SLAM代表混合测量拓扑SLAM。它是SLAM（同时定位和映射）问题的一个完整的，一致的贝叶斯公式，它同时适用于度量和拓扑图。直到HMT-SLAM发表的第一篇论文，将拓扑信息包含到经典度量SLAM中的所有意图都将拓扑作为度量的单独组件来处理，因此使用不同的技术来处理它们两者。然而，在HMT-SLAM中，这两个部分都是在统一的概率框架下处理的，这有助于将低级次符号（度量）算法与高级符号（拓扑）推理集成在一起。

像大多数成功的SLAM研究一样，我们使用贝叶斯过滤来提供一个概率估计，它可以处理测量中的不确定性，机器人姿态和地图。我们的方法基于混合离散连续状态空间中机器人路径的重构，该空间自然结合了度量和拓扑图。HMT-SLAM有两个基本特征，它与之前的作品不同：

使用统一的贝叶斯推理方法来解决问题的度量和拓扑部分，以及
在混合地图上的信念分布的分析表述，这使得我们能够比以前的作品更精确和更有效地保持大空间中的局部不确定性。
这种方法的思想已经通过在具有多个测试循环的大环境（高达~30,000平方米，2Km机器人路径）中有前景的实验结果进行验证，这很难通过其他方法进行适当管理。