Home-theater-designers
Simultánna lokalizácia a mapovanie (SLAM) pravdepodobne nie je fráza, ktorú používate každý deň. Niekoľko najnovších skvelých technologických zázrakov však používa tento proces každú milisekundu svojho života.
Čo je SLAM? Prečo to potrebujeme? A o ktorých skvelých technológiách hovoríte?
ako vkladať guľky v programe excel
Od skratky k abstraktnému nápadu
Tu je rýchla hra pre vás. Ktorý z nich nepatrí?
- Samoriadiace autá
- Aplikácie pre rozšírenú realitu
- Autonómne letecké a podvodné vozidlá
- Nositeľné prvky pre zmiešanú realitu
- Roomba
Môžete si myslieť, že odpoveď je ľahko posledná položka v zozname. Svojím spôsobom máte pravdu. Iným spôsobom to bola triková hra, pretože všetky tieto položky spolu súvisia.
Obrazový kredit: Nathan Kroll/ Flickr
Skutočná otázka (veľmi cool) hry je táto: Čo robí všetky tieto technológie uskutočniteľnými? Odpoveď: simultánna lokalizácia a mapovanie alebo SLAM! ako to hovoria chladné deti.
Vo všeobecnom zmysle je účel algoritmov SLAM dostatočne jednoduchý na opakovanie. Robot použije simultánnu lokalizáciu a mapovanie na odhad svojej polohy a orientácie (alebo pózy) v priestore pri vytváraní mapy svojho prostredia. To umožňuje robotovi identifikovať, kde sa nachádza a ako sa pohybovať v neznámom priestore.
Preto áno, to znamená, že celý tento efektný algoritmus je odhad polohy. Ďalšou populárnou technológiou je Global Positioning System (GPS), ktorá odhaduje polohu od prvej vojny v Perzskom zálive v 90. rokoch minulého storočia.
Rozlišovanie medzi SLAM a GPS
Prečo je teda potrebný nový algoritmus? GPS má dva inherentné problémy. Po prvé, zatiaľ čo GPS je presné v globálnom meradle, presnosť aj presnosť zmenšujú mierku vzhľadom na miestnosť, stôl alebo malú križovatku. GPS má presnosť až na meter, ale aký centimeter? Milimeter?
Za druhé, GPS nefunguje dobre pod vodou. Tým, že mi nie je dobre, vôbec nie. Podobne je výkon fľakatý vo vnútri budov s hrubými betónovými stenami. Alebo v pivniciach. Dostanete nápad. GPS je satelitný systém, ktorý trpí fyzickými obmedzeniami.
Algoritmy SLAM sa teda zameriavajú na poskytnutie lepšieho pocitu polohy pre naše najpokročilejšie gadgety a stroje.
Tieto zariadenia už majú množstvo senzorov a periférií. Algoritmy SLAM využívajú údaje z čo najväčšieho počtu z nich pomocou matematiky a štatistiky.
Kura alebo vajce? Poloha alebo mapa?
Na zodpovedanie zložitej otázky je potrebná matematika a štatistika: používa sa poloha na vytvorenie mapy okolia alebo sa na výpočet polohy používa mapa okolia?
Čas na premýšľanie experimentu! Ste medzidimenzionálne zdeformovaní na neznáme miesto. Akú prvú vec urobíš? Panika? Dobre, upokoj sa, nadýchni sa. Vezmite si ďalší. Akú druhú vec robíte? Pozrite sa okolo seba a pokúste sa nájsť niečo známe. Po ľavej strane je stolička. Rastlina je po vašej pravici. Konferenčný stolík je pred vami.
Ďalej, raz paralyzujúci strach z „Kde do pekla som?“ vyprchá, začnete sa hýbať. Počkajte, ako funguje pohyb v tejto dimenzii? Urobte krok vpred. Stolička a rastlina sú stále menšie a stôl je stále väčší. Teraz môžete potvrdiť, že sa v skutočnosti pohybujete dopredu.
samotná bolesť sa prekladá do angličtiny
Pozorovania sú kľúčové pre zlepšenie presnosti odhadu SLAM. Na videu nižšie, keď robot prechádza od značky k značke, vytvára lepšiu mapu prostredia.
Späť do druhej dimenzie, čím viac chodíte, tým viac sa orientujete. Krokovanie všetkými smermi potvrdzuje, že pohyb v tejto dimenzii je podobný vašej domácej dimenzii. Keď pôjdete doprava, rastlina sa zväčšuje. S užitočnosťou vidíte ďalšie veci, ktoré identifikujete ako medzníky v tomto novom svete, ktoré vám umožnia sebavedomejšie blúdiť.
Toto je v podstate proces SLAM.
Vstupy do procesu
Na vykonanie týchto odhadov algoritmy používajú niekoľko údajov, ktoré je možné kategorizovať ako interné alebo externé. Pokiaľ ide o váš príklad interdimenzionálneho transportu (priznajte si, že ste mali zábavný výlet), vnútornými meraniami sú veľkosť krokov a smer.
Vykonané externé merania sú vo forme obrázkov. Identifikácia orientačných bodov, ako sú rastlina, stolička a stôl, je pre oči a mozog jednoduchou úlohou. Najvýkonnejší známy procesor-ľudský mozog-je schopný vytvárať tieto obrázky a nielen identifikovať objekty, ale aj odhadovať vzdialenosť k tomuto objektu.
Bohužiaľ (alebo našťastie, v závislosti od vášho strachu zo SkyNet), roboti nemajú ľudský mozog ako procesor. Stroje sa spoliehajú na kremíkové čipy s ľudským písaným kódom ako mozgom.
Ostatné časti strojného zariadenia vykonávajú externé merania. Pomáhajú nám pri tom periférne zariadenia, ako sú gyroskopy alebo iné jednotky zotrvačných hodnôt (IMU). Roboty, ako sú samoriadiace autá, tiež používajú ako vnútorné meranie odometriu polohy kolesa.
Obrazový kredit: Jennifer Morrow/ Flickr
Externe používa LIDAR samoriadiace auto a ďalšie roboty. Podobne ako radar využíva rádiové vlny, LIDAR meria impulzy odrazeného svetla na identifikáciu vzdialenosti. Použité svetlo je zvyčajne ultrafialové alebo blízke infračervené, podobné infračervenému snímaču hĺbky.
LIDAR vysiela desaťtisíce impulzov za sekundu, aby vytvoril trojrozmernú mapu mrakov bodov s extrémne vysokým rozlíšením. Takže áno, nabudúce, keď sa Tesla bude otáčať na autopilote, vás zastrelí laserom. Veľa krát.
Algoritmy SLAM navyše používajú ako externé meranie statické obrazy a techniky počítačového videnia. To sa deje s jednou kamerou, ale ešte presnejšie je to so stereo párom.
Vo vnútri čiernej skrinky
Interné merania aktualizujú odhadovanú polohu, ktorú je možné použiť na aktualizáciu externej mapy. Externé merania aktualizujú odhadovanú mapu, ktorú je možné použiť na aktualizáciu polohy. Môžete to považovať za inferenčný problém a ide o to nájsť optimálne riešenie.
Bežným spôsobom, ako to dosiahnuť, je pravdepodobnosť. Techniky, ako je filter častíc, približná poloha a mapovanie pomocou Bayesovského štatistického záveru.
Filter častíc používa stanovený počet častíc rozložených Gaussovou distribúciou. Každá častica „predpovedá“ aktuálnu polohu robota. Každej častici je priradená pravdepodobnosť. Všetky častice začínajú s rovnakou pravdepodobnosťou.
Keď sa uskutočňujú merania, ktoré sa navzájom potvrdzujú (napríklad krok vpred = tabuľka sa zväčšuje), potom časticiam, ktoré sú vo svojej polohe „správne“, sa postupne dáva lepšia pravdepodobnosť. Časticom, ktoré sú úplne mimo, je priradená nižšia pravdepodobnosť.
Čím viac orientačných bodov robot dokáže identifikovať, tým lepšie. Orientačné body poskytujú spätnú väzbu k algoritmu a umožňujú presnejšie výpočty.
Aktuálne aplikácie využívajúce algoritmy SLAM
Poďme to rozobrať, chladný kus technológie za skvelý kus technológie.
Autonómne podvodné vozidlá (AUV)
Ponorky bez posádky môžu pracovať autonómne pomocou techník SLAM. Interná IMU poskytuje údaje o zrýchlení a pohybe v troch smeroch. AUV navyše používajú na odhad hĺbky sonar smerujúci zdola. Bočný skenovací sonar vytvára obrazy morského dna s dosahom niekoľko stoviek metrov.
Obrazový kredit: Florida Sea Grant/ Flickr
Nositeľné prvky zmiešanej reality
Spoločnosti Microsoft a Magic Leap vyrobili nositeľné okuliare, ktoré predstavujú aplikácie Mixed Reality. Odhad polohy a vytvorenie mapy je pre tieto nositeľné zariadenia kľúčové. Zariadenia pomocou mapy umiestňujú virtuálne objekty na skutočné objekty a nechávajú ich navzájom komunikovať.
ako sa stať neviditeľným na Facebooku
Pretože sú tieto nositeľné zariadenia malé, nemôžu používať veľké periférie, ako napríklad LIDAR alebo sonar. Na mapovanie prostredia sa namiesto toho používajú menšie infračervené snímače hĺbky a kamery smerujúce von.
Samoriadiace autá
Autonómne autá majú oproti nositeľným vozidlám malú výhodu. Vďaka oveľa väčším fyzickým rozmerom môžu autá pojať väčšie počítače a mať viac periférnych zariadení na vykonávanie vnútorných a vonkajších meraní. Samoriadiace autá v mnohých ohľadoch predstavujú budúcnosť technológie, softvérovú aj hardvérovú.
Technológia SLAM sa zlepšuje
Keďže sa technológia SLAM používa mnohými rôznymi spôsobmi, je len otázkou času, kedy sa zdokonalí. Akonáhle sa samoriadiace autá (a ďalšie vozidlá) budú denne zobrazovať, budete vedieť, že simultánna lokalizácia a mapovanie je pripravené pre každého.
Technológia samoriadenia sa každým dňom zlepšuje. Chcete vedieť viac? Pozrite sa na podrobný rozpis MakeUseOf o tom, ako fungujú samoriadiace autá. Tiež by vás mohlo zaujímať, ako sa hackeri zameriavajú na prepojené autá.
Obrazový kredit: chesky_w/ Depositphotos
zdieľam zdieľam Tweet E -mail Ako získať prístup k vstavanej úrovni bublín Google v systéme AndroidAk ste sa niekedy potrebovali uistiť, že je niečo v malom, môžete teraz v priebehu niekoľkých sekúnd dostať úroveň bubliny do telefónu.
Čítajte ďalej Súvisiace témy- Technológia vysvetlená
- Automobilová technológia
- Umela inteligencia
- Samoriadiace auto
- SLAM
Tom je softvérový inžinier z Floridy (výkrik na Floridu) s vášňou pre písanie, školský futbal (choďte Gators!), CrossFit a Oxfordské čiarky.
Viac od Toma Johnsenaprihlásiť sa ku odberu noviniek
Pripojte sa k nášmu bulletinu a získajte technické tipy, recenzie, bezplatné elektronické knihy a exkluzívne ponuky!
Kliknutím sem sa prihlásite na odber