Skip to content

Vad är SLAM -teknik?

7 de september de 2021
L100288 clean 56a6ab575f9b58b7d0e431d9

Många av de projekt som har kommit fram från Googles experimentella verkstad, X Labs, har verkat rätt ur science fiction. Google Glass erbjöd löftet om bärbara datorer som förstärkte vår syn på världen med teknik, men Google Glass verklighet har inte uppfyllt sitt löfte. Ett annat X Labs-projekt som inte har gjort besviken är den självkörande bilen. Trots det fantastiska löftet om en förarlös bil är dessa fordon en verklighet. Denna anmärkningsvärda prestation är beroende av SLAM -teknik.

SLAM: Samtidig lokalisering och kartläggning

SLAM är en förkortning för samtidig lokalisering och kartläggning, en teknik där en robot eller en enhet kan skapa en karta över sin omgivning och orientera sig korrekt inom kartan i realtid. Detta är ingen lätt uppgift, och den finns för närvarande vid gränserna för teknikforskning och design. En stor vägspärr för att framgångsrikt implementera SLAM-teknik är kyckling-och-äggproblemet som introducerades av de två nödvändiga uppgifterna. För att framgångsrikt kunna kartlägga en miljö måste du känna till din orientering och position inom den. denna information erhålls dock endast från en redan existerande karta över miljön.

Hur SLAM fungerar

SLAM-tekniken övervinner vanligtvis denna komplexa kyckling-och-äggfråga genom att bygga en redan existerande karta över en miljö med hjälp av GPS-data. Denna karta förädlas sedan när roboten eller enheten rör sig genom miljön. Den verkliga utmaningen med tekniken är noggrannhet. Mätningar måste ständigt göras när roboten eller enheten rör sig genom rymden, och tekniken måste ta hänsyn till det ”buller” som introduceras av både enhetens rörelse och mätmetodens felaktighet. Detta gör SLAM -tekniken till stor del en fråga om mätning och matematik.

Mätning och matematik

Googles självkörande bil är ett exempel på mätning och matematik i praktiken. Bilen tar främst mätningar med den takmonterade LIDAR (laserradar) -enheten, som kan skapa en 3D-karta över sin omgivning upp till 10 gånger i sekunden. Denna utvärderingsfrekvens är kritisk när bilen rör sig i hastighet. Dessa mätningar används för att förstärka befintliga GPS-kartor, som Google är känt för att underhålla som en del av sin Google Maps-tjänst. Avläsningarna skapar en enorm mängd data, och att generera mening från dessa data för att fatta drivande beslut är arbetet med statistik. Programvaran på bilen använder avancerad statistik, inklusive Monte Carlo -modeller och Bayesianska filter för att exakt kartlägga miljön.

Konsekvenser för Augmented Reality

Autonoma fordon är den självklara primära tillämpningen av SLAM -teknik. En mindre uppenbar användning kan dock vara i världen av bärbar teknik och förstärkt verklighet. Medan Google Glass kan använda GPS -data för att ge en grov position för användaren, kan en liknande framtida enhet använda SLAM -teknik för att bygga en mycket mer komplex karta över användarens miljö. Detta kan innefatta en förståelse för exakt vad användaren tittar på med enheten. Det kan känna igen när en användare tittar på ett landmärke, butiksfönster eller annons, och använda den informationen för att tillhandahålla en förstorad verklighetsöverlagring. Även om dessa funktioner kan låta långt borta, har ett MIT -projekt utvecklat ett av de första exemplen på en bärbar SLAM -teknik.

Teknik som förstår rymden

Det var inte länge sedan som tekniken var en fast, stationär terminal som vi använder i våra hem och kontor. Nu är tekniken ständigt närvarande och mobil. Denna trend kommer säkert att fortsätta när tekniken fortsätter att miniatyrisera och bli sammanflätad i våra dagliga aktiviteter. Det är på grund av dessa trender som SLAM -tekniken blir allt viktigare. Det kommer inte att dröja länge förrän vi förväntar oss att vår teknik inte bara förstår vår omgivning när vi rör oss utan också att lotsa oss genom vårt dagliga liv.