A "Representação de cenários" é um tópico importante em robótica. Soluções robóticas alternativas e inovadoras necessitarão cada vez mais de representações de cenários adequadamente escolhidas.

A "Representação de Cenários" contém a perspectiva de "Representação visual apoiada por grafos". É uma designação mais geral que, em alguns trabalhos, vai a níveis muito mais específicos :-)

A perspectiva da representação apoiada em grafos, no sentido de Kosecka/SIRS96, é importante por evidenciar claramente dados e acções constituintes de uma missão robótica. Apesar desta perspectiva ter já um grande desenvolvimento, existem questões especificas cuja exploração motivará ainda muito trabalho:

- as acções de seguimento, características de arcos dos grafos, começam a ser generalizadas com teoria de visual-servoing.

- as acções de auto-localização com precisão, características de nós dos grafos, têm vindo a ser melhoradas com modelos de observação & também de controlo/servoing cada vez mais cuidados (Ronen Basri - transformações ortográficas nas imagens para alinhamento de modelo com observação...).

Questões gerais da representação também são pertinentes. Há estruturas poderosas para representação de conhecimento: grafos, listas, árvores, listas-de-listas, listas-de-grafos, grafos-de-listas,...

Há muita liberdade na colocação de informação/acções nos "nós" e nos "arcos / ligações de nós".

Há artigos que investem em aspectos muito específicos da quantidade de informação ou na complexidade das acções (p.e. imagens 360graus substituem colecções locais de imagens obtidas por ângulos discretos - Tsugi,Yagi 92..96; o seguimento com reconstrução 3D recursiva/ Kalman de segmentos - Faugeras & muitos artigos de robótica com lasers/sonars/... são acções locais pouco exigentes em termos de cenário desejado e simultaneamente bastante robustas).

Em resumo, existe uma grande expectativa de que com a escolha adequada da representação seja possível conseguir concretizar certos objectivos em navegação robótica baseada em visão que tardam em ser atingidos ou que tendo sido atingidos ainda carecem de robustez ou de simplicidade de implementação (é a questão do paradigma de "Purposive Vision" vs "Reconstructive Vision") [... & Marr].

Nota final: é de acreditar e de investir na hipótese de fazer auto-localização visual e especificação visual de missões sem reconstrução completa do cenário p.e. com colecções de imagens ligadas por matrizes de transformação (Laveau & Faugeras 94).