Mis on SLAM-tehnoloogia ja SLAM-autod?

Paljud Google'i eksperimentaaltöökojast välja tulnud projektid, X Labs, on tundunud ulmekirjandusest väljas. Google prillid pakkus lubadust kanda kantavaid arvuteid, mis täiustasid meie maailmavaadet tehnoloogiaga, kuid Google Glassi tegelikkus ei ole oma lubadusi täitnud. Teine X Labsi projekt, mis pole pettunud, on isejuhtiv auto. Hoolimata juhita auto fantastilisest lubadusest on need sõidukid reaalsus. See tähelepanuväärne saavutus sõltub SLAM-tehnoloogiast.

SLAM: samaaegne lokaliseerimine ja kaardistamine

SLAM on samaaegse lokaliseerimise ja kaardistamise akronüüm, tehnoloogia, mille abil robot või seade saab luua oma ümbruskonna kaardi ja orienteeruda kaardil reaalajas õigesti. See ei ole lihtne ülesanne ja praegu on see tehnoloogia uurimise ja disaini eesliinil. Suureks takistuseks SLAM-tehnoloogia edukaks rakendamiseks on kana ja muna probleem, mille tekitavad kaks nõutavat ülesannet. Keskkonna edukaks kaardistamiseks peate teadma oma orientatsiooni ja asukohta selles; see teave saadakse aga ainult eelnevalt olemasolevalt keskkonnakaardilt.

Kuidas SLAM töötab

SLAM-tehnoloogia lahendab tavaliselt selle keerulise kana ja muna probleemi, koostades keskkonnast juba olemasoleva kaardi, kasutades GPS andmeid. Seda kaarti täiustatakse siis, kui robot või seade keskkonnas liigub. Tehnoloogia tõeline väljakutse on täpsus. Roboti või seadme ruumis liikudes tuleb pidevalt mõõta ja tehnoloogia peab vastu võtma Arvestage "müra", mis tekib nii seadme liikumisest kui ka mõõtmise ebatäpsusest meetod. See muudab SLAM-tehnoloogia suuresti mõõtmise ja matemaatika küsimuseks.

Mõõtmine ja matemaatika

Google'i isejuhtiv auto on näide mõõtmisest ja matemaatikast. Eelkõige teeb auto mõõtmisi katusele paigaldatud LIDAR-i (laserradar) agregaadi abil, mis suudab luua ümbritsevast 3D-kaardi kuni 10 korda sekundis. See hindamissagedus on auto kiirusel liikumisel kriitiline. Neid mõõtmisi kasutatakse olemasolevate GPS-kaartide täiendamiseks, mida Google on oma Google Mapsi teenuse osana hästi tuntud. Näidud loovad tohutul hulgal andmeid ja nendest andmetest tähenduse genereerimine juhtimisotsuste tegemiseks on statistika töö. Autol olev tarkvara kasutab täiustatud statistikat, sealhulgas Monte Carlo mudeleid ja Bayesi filtreid, et keskkonda täpselt kaardistada.

Mõju liitreaalsusele

Autonoomsed sõidukid on SLAM-tehnoloogia ilmselge esmane rakendus. Vähem ilmne kasutus võib aga olla kantavate tehnoloogiate ja liitreaalsuse maailmas. Kui Google Glass saab kasutaja ligikaudse asukoha määramiseks kasutada GPS-andmeid, võib sarnane tulevane seade kasutada SLAM-tehnoloogiat, et luua kasutaja keskkonnast palju keerulisem kaart. See võib hõlmata arusaamist sellest, mida kasutaja seadmega täpselt vaatab. See võib tuvastada, kui kasutaja vaatab maamärki, poe esikülge või reklaami, ja kasutada seda teavet liitreaalsuse ülekatte loomiseks. Kuigi need funktsioonid võivad tunduda kaugel, on MIT-i projekt välja töötanud ühe esimese kantava SLAM-tehnoloogia seadme näite.

Tehnika, mis mõistab ruumi

Ei olnud kaua aega tagasi, kui tehnoloogia oli fikseeritud statsionaarne terminal, mida kasutame oma kodudes ja kontorites. Nüüd on tehnoloogia alati kohal ja mobiilne. See suundumus kindlasti jätkub, kuna tehnoloogia miniatuurseks muutub ja meie igapäevastesse tegevustesse põimub. Just nende suundumuste tõttu muutub SLAM-tehnoloogia üha olulisemaks. Ei lähe kaua aega, kui eeldame, et meie tehnika ei mõista mitte ainult meie liikumist ümbritsevat, vaid juhib meid ka igapäevaelus.