Data-efficient representation learning for visual place recognition

Een robot die de heg snoeit: visuele plaatsherkenning in een tuinomgeving

De robotgrasmaaier kennen we, maar veel andere tuin-toepassingen van robots zijn er nog niet. Het is voor een robot namelijk lastig om de tuinomgeving visueel te interpreteren en er zelfstandig in te navigeren: er zijn veel verschillende texturen met allerlei tinten groen, en er zijn allerlei veranderingen, zoals de seizoenen en veranderende licht- en weersomstandigheden. 

Maria Leyva Vallina richtte zich in haar proefschrift op het probleem van visuele plaatsherkenning. Ze deed dat binnen het TrimBot2020-project, dat als doel heeft de benodigde technologie te ontwikkelen voor een volgende generatie tuin-robotica; bijvoorbeeld een robot die de heg kan snoeien. Leyva Vallina presenteert en evalueert in haar proefschrift een nieuwe dataset waarvan er tot nog toe nog niet veel van beschikbaar waren: een dataset met beelden van de tuinomgeving. Verder ontwikkelde ze algoritmes voor visuele plaatsherkenning. Leyva Vallina: ' in mijn proefschrift stel ik een paradigmaverschuiving voor om visuele descriptoren te leren die sterkere, betrouwbare en kwantificeerbare representaties van de similariteit van beelden coderen.'

Maria Leyva Vallina voerde haar onderzoek uit bij het Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, afdeling Intelligente Systemen, met financiering uit het European Union Horizon 2020 programma. Ze vervolgt haar loopbaan als research scientist bij NielsenIQ. 

Proefschrift: https://hdl.handle.net/11370/e824ffae-b5a1-44f6-9adf-d78efc850902