La technologie Yona Robotics construit des grilles d'occupation probabilistes pour représenter l'environnement du robot, à partir de données provenant de différents capteurs (lidar, radar, caméra RGBD, Ultrasons, ToF ...).

Grâce à des modèles probabilistes et une approche bayésienne, les données de chaque capteur sont interprétées, les différentes incertitudes quantifiées et intégrées, puis fusionnées avec les autres capteurs.

A partir des fusions de données et leur filtrage, le robot construit une représentation détaillée, unifiée et dense de son environnement proche en volumes élémentaires.

Les états contenus dans les grilles peuvent être enrichis par des informations sémantiques. Par exemple, si des personnes sont présentes à proximité du robot, des modules de reconnaissance d'humains, à base de réseaux de neurones profonds, peuvent être rajoutés.

La reconnaissance des humains permet au robot d'adapter son comportement, garantissant une meilleure acceptation sociale. On parle alors de navigation contextuelle.

Les informations sémantiques ne se limitent pas aux humains mais peuvent concerner tout type d'objet d'interêt.

Grâce à la détection et la modélisation des objets dynamiques, la technologie Yona Robotics est capable de prédire leur position et mouvement dans le futur.

Le robot peut alors générer pour lui-même des trajectoires adaptées à cet environnement dynamique. On parle alors de navigation prédictive.