概念地圖既包含用于定義房間與物品及其相互關系的概念本體（ ontology） ，又能將實際傳感器觀測信息表達為這種抽象概念的實例化． 本文將概念地圖的知識表達分為術語知識（ T-Box ） 、空間知識（ SBox） 及用戶知識（ H-Box） 三個層次． 1． 1 術語、空間及用戶知識針對室內服務環(huán)境下的服務機器人導航問題，術語知識（ T-Box） 包含了機器人工作環(huán)境中典型的房間、走廊、物品等空間概念以及服務對象的概念，這些概念本體間的邏輯關系主要表現(xiàn)為區(qū)域與物品間的 “has-a”與“is-a”從屬關系． 對于室內環(huán)境下的 T-Box 概念知識，概念的邏輯關系可用謂詞公式描述以便查詢及推理． 例如辦公室概念 Office 是房間概念 Room 的一個子類，對應謂詞描述為 （ defconcept Office： is （ ： and Room （ （ ： at-least 2 occupant） ∧ （ ： some has-a OfficeObject） ） ） ） 空間知識（ S-Box） 描述了傳感器對環(huán)境的直接觀測量值及其空間相對位置關系． S-Box 采用三級描述． 最底層的視覺特征層描述了各種物體及地點的圖像特征，被視覺處理模塊利用以實現(xiàn)場景地點圖像識別． 中間的柵格層以獨立的區(qū)域為單位描述了機器人運動空間被障礙物占有的概率，直接對應機器人在局部柵格地圖坐標系中的 Monte Carlo 定位（ MCL） 及柵格路徑規(guī)劃． 最高層的符號層用節(jié)點表示柵格層與特征層中的各個實例，用邊表示房間與走廊的連接關系及物體與房間的從屬關系． 符號層是對空間及物品的符號化抽象，既能直接用于拓撲 Markov 定位及拓撲規(guī)劃，又充當 S-Box 與 T-Box 的接口． 傳感器觀測在 S-Box 符號層中實例化為實體，T-Box 中可查詢其相應的概念映射． 具體概率地圖采用基于機器人激光傳感器的 SLAM 算法［7］創(chuàng)建，地點的視覺特征由該位姿下所得圖像 SIFT 特征向量所描述．在與人共處的服務環(huán)境下，用戶知識（ H-Box） 具有與 S-Box 類似的三層結構與功能，對應視覺系統(tǒng)對服務對象（ 人） 的特征感知信息． 例如上半身衣著顏色統(tǒng)計分布、面部特征信息等．