یکی از زمینه های بکارگیری ربات های هوشمند، ربات های خانگی و دستیار است. یک ربات خانگی برای انجام وظایف، نیاز به درک و دانشی کافی از محیط اطراف خود دارد تا بتواند در مورد نحوه انجام امور محوله تصمیم گیری کند. یکی از ابزارهایی که کمک شایانی در این جهت می نماید، نقشه معنایی محیط است که به عنوان پایه تصمیم گیری ربات مطرح است. در این پروژه، با استخراج ویژگی های عمومی و محلی موجود در تصاویر دریافتی، به دسته بندی آن ها در رسته هایی از پیش تعیین شده پرداخته می شود و ضمن شناسایی مکان کنونی ربات، اطلاعات موجود در آن مکان در نقشه معنایی ثبت می شود. ویژگی های عمومی هر منطقه (رسته) از محیط با استفاده از هیستوگرام هایی با ابعاد بالا، بازنمایی شده و توسط ماشین های بردار رابطه ای (rvm) دسته بندی می شوند. این موضوع در مورد ویژگی های محلی هر منطقه که توسط روش های sift یا surf استخراج شده اند، با ایجاد یک پایگاه از ویژگی های متمایز هر منطقه و میزان شباهت ویژگی های مکان کنونی ربات با این پایگاه ها، صورت گرفته است. اطلاعات ذخیره شده در نقشه معنایی، شامل شکل هندسی و نقشه های متریک هر منطقه، نقشه توپولوژیک محیط و ویژگی های بینایی موجود در هر منطقه است. همچنین از آنجا که بخشی از هوشمندی ربات، قابلیت تولید خودکار نقشه معنایی محیط در کمترین زمان است، در ادامه روشی مبتنی بر هیستوگرام مناطق ناشناخته محیط، پیشنهاد شده است تا در هر لحظه بهترین منطقه برای اکتشاف تعیین شود و ربات در کمترین زمان بیشترین دانش را از محیط کسب کند. نتایج حاصل از پیاده سازی روش های پیشنهادی در محیط های شبیه سازی شده و واقعی، نشان دهنده دسته بندی مناطق مختلف محیط با دقت ?90 و کاهش زمانِ اکتشاف و تولید نقشه معنایی محیط نسبت به روش مرجع و افزایش کارایی ربات در مسائلی همچون یافتن یک شیء خاص در محیط است.