Skip to content

Mikä on SLAM-tekniikka?

5 de heinäkuu de 2021

Monet Googlen kokeellisesta työpajasta, X Labsista, syntyneet projektit ovat vaikuttaneet aivan tieteiselta fiktiolta. Google Glass tarjosi lupauksen puettavista tietokoneista, jotka lisäsivät maailmankatsomustamme tekniikalla, mutta Google Glassin todellisuus ei ole täyttänyt lupaustaan. Toinen X Labs -projekti, joka ei ole pettynyt, on itse ajava auto. Huolimatta kuljettamattoman auton fantastisesta lupauksesta, nämä ajoneuvot ovat todellisuutta. Tämä merkittävä saavutus riippuu SLAM-tekniikasta.

SLAM: Samanaikainen lokalisointi ja kartoitus

SLAM on lyhenne samanaikaisesta paikannuksesta ja kartoituksesta, tekniikka, jonka avulla robotti tai laite voi luoda kartan ympäristöstään ja orientoitua oikein kartan sisään reaaliajassa. Tämä ei ole helppo tehtävä, ja se on tällä hetkellä teknologian tutkimuksen ja suunnittelun rajoilla. Suuri este SLAM-tekniikan onnistuneelle toteuttamiselle on kana-muna-ongelma, joka johtuu kahdesta vaaditusta tehtävästä. Ympäristön kartoittamiseksi sinun on tiedettävä suunta ja sijainti siinä; nämä tiedot saadaan kuitenkin vain olemassa olevasta ympäristökartasta.

Kuinka SLAM toimii

SLAM-tekniikka ratkaisee tyypillisesti tämän monimutkaisen kanan ja muna -ongelman rakentamalla jo olemassa olevan ympäristön kartan GPS-tietojen avulla. Tätä karttaa tarkennetaan sitten, kun robotti tai laite liikkuu ympäristön läpi. Teknologian todellinen haaste on tarkkuus. Mittauksia on tehtävä jatkuvasti, kun robotti tai laite liikkuu avaruudessa, ja tekniikan on otettava huomioon ”melu”, joka syntyy sekä laitteen liikkumisesta että mittausmenetelmän epätarkkuudesta. Tämä tekee SLAM-tekniikasta suurelta osin mittauksen ja matematiikan kysymyksen.

Mittaus ja matematiikka

Googlen itse ajava auto on esimerkki mittauksesta ja matematiikasta toiminnassa. Auto suorittaa mittaukset ensisijaisesti katolle asennettuun LIDAR (laser tutka) -kokoonpanoon, joka voi luoda 3D-kartan ympäristöstään jopa 10 kertaa sekunnissa. Tämä arviointitiheys on kriittinen, kun auto liikkuu nopeudella. Näitä mittauksia käytetään olemassa olevien GPS-karttojen laajentamiseen, joita Google tunnetaan hyvin pitävänsä osana Google Maps -palvelua. Lukemat luovat valtavan määrän tietoa, ja merkityksen luominen näistä tiedoista ajopäätösten tekemiseksi on tilastotyötä. Auton ohjelmisto käyttää kehittyneitä tilastoja, mukaan lukien Monte Carlon mallit ja Bayesin suodattimet, jotta ympäristö voidaan kartoittaa tarkasti.

Vaikutukset liitettyyn todellisuuteen

Autonomiset ajoneuvot ovat SLAM-tekniikan ilmeinen ensisijainen sovellus. Vähemmän ilmeinen käyttö voi kuitenkin olla puettavien tekniikoiden ja lisätyn todellisuuden maailmassa. Vaikka Google Glass voi käyttää GPS-tietoja käyttäjän karkean sijainnin tarjoamiseen, vastaava tuleva laite voisi käyttää SLAM-tekniikkaa rakentamaan paljon monimutkaisemman kartan käyttäjän ympäristöstä. Tähän voisi sisältyä käsitys siitä, mitä käyttäjä tarkkailee laitteella. Se voi tunnistaa, kun käyttäjä tarkastelee maamerkkiä, myymälää tai mainosta, ja käyttää näitä tietoja lisätyn todellisuuden peittokuvan tuottamiseen. Vaikka nämä ominaisuudet saattavat kuulostaa kaukana, MIT-projekti on kehittänyt yhden ensimmäisistä esimerkeistä puettavasta SLAM-tekniikkalaitteesta.

Tekniikka, joka ymmärtää tilaa

Ei kauan sitten tekniikka oli kiinteä, kiinteä pääte, jota käytämme kodeissamme ja toimistoissamme. Nyt tekniikka on jatkuvasti läsnä ja liikkuvaa. Tämä suuntaus jatkuu varmasti, kun tekniikka pienenee ja kietoutuu jokapäiväiseen toimintaan. Näiden suuntausten takia SLAM-tekniikka on yhä tärkeämpi. Ei ole kauan, ennen kuin odotamme tekniikkamme ymmärtävän ympäristöämme paitsi liikkuessamme myös pilotoimaan meitä jokapäiväisessä elämässämme.