Što je SLAM? Kako samovozeći automobili znaju gdje su

Istovremena lokalizacija i mapiranje (SLAM) vjerojatno nije fraza koju svakodnevno koristite. Međutim, nekoliko najnovijih tehnoloških čuda koristi taj postupak svake milisekunde svog životnog vijeka.

Što je SLAM? Zašto nam treba? I koje su to cool tehnologije o kojima govorite?

Od akronima do apstraktne ideje

Evo kratke igre za vas. Koji od ovih ne pripada?

• Samovozna vozila
• Aplikacije proširene stvarnosti
• Autonomna zračna i podvodna vozila
• Nošenje mješovite stvarnosti
• Roomba

Možda mislite da je odgovor lako zadnja stavka na popisu. Na neki način ste u pravu. Na drugi način, ovo je bila trik igra jer su sve te stavke povezane.

Kreditna slika: Nathan Kroll / Flickr

Pravo pitanje (vrlo cool) igre je sljedeće: Zbog čega su sve ove tehnologije izvedive? Odgovor: istodobna lokalizacija i mapiranje ili SLAM! kako to cool djeca kažu.

Općenito, svrha SLAM algoritama je dovoljno jednostavna za ponavljanje. Robot će koristiti istodobnu lokalizaciju i mapiranje za procjenu svog položaja i orijentacije (ili poziranja) u prostoru dok će stvoriti kartu svog okruženja. To omogućava robotu da prepozna gdje se nalazi i kako se kreće kroz neki nepoznati prostor.

Stoga, da, to znači da sve ovo algoritam zamišljenog raspoloženja čini procjenu položaja. Još jedna popularna tehnologija, globalni sustav za pozicioniranje (ili GPS) Kako funkcionira GPS praćenje i što možete pratiti? Kako funkcionira GPS praćenje i što možete pratiti? GPS. Mi to znamo kao tehnologiju koja nas vodi od točke A do točke B. Ali GPS je i više od toga. Postoji svijet mogućnosti i ne želimo da ga propustite. procjenjivao je položaj od prvog zaljevskog rata devedesetih.

Razlikovanje SLAM-a i GPS-a

Pa zašto onda potreba za novim algoritmom? GPS ima dva urođena problema. Prvo, dok je GPS precizan u odnosu na globalnu razinu, i preciznost i preciznost umanjuju ljestvicu u odnosu na sobu, stol ili mali presjek. GPS ima točnost do metra, ali koji centimetar? Milimetar?

Drugo, GPS ne radi dobro pod vodom. Ne mislim dobro uopće. Slično tome, izvedba je pjegava unutar zgrada sa debelim zidovima od betona. Ili u podrumima. Shvaćate ideju. GPS je satelitski sustav koji pati od fizičkih ograničenja.

Dakle, algoritmi SLAM imaju za cilj poboljšati osjećaj položaja za najnaprednije uređaje i uređaje.

Ovi uređaji već imaju litaniju senzora i perifernih uređaja. SLAM algoritmi koriste podatke iz što većeg broja pomoću matematike i statistike.

Piletina ili jaje? Pozicija ili karta?

Matematika i statistika potrebni su za odgovor na složene potrebe: koristi li se položaj za izradu karte okolice ili se karta okruženja koristi za izračun položaja?

Zamišljeno vrijeme eksperimenta! Vi ste interdimenzionalno iskrivljeni na nepoznato mjesto. Što je prvo što radite? Panika? OK, dobro se smiri, udahni. Uzmi još jedno. Što je drugo što radite? Osvrnite se oko sebe i pokušajte pronaći nešto poznato. S vaše lijeve strane je stolica. Biljka je s vaše desne strane. Stol za kavu je pred vama.

Dalje, jednom paralizirajući strah od “Gdje sam dovraga?” istroši se, počneš se kretati. Čekaj, kako djeluje pokret u ovoj dimenziji? Napravite korak naprijed. Stolica i biljka postaju sve manji, a stol sve veći. Sada možete potvrditi da zapravo krenete naprijed.

Promatranja su ključna za poboljšanje točnosti procjene SLAM-a. U videu u nastavku, kako robot kreće od markera do markera, gradi bolju mapu okoliša.

Natrag do druge dimenzije, što više hodate okolo više se orijentirate. Korak u svim smjerovima potvrđuje da je kretanje u ovoj dimenziji slično vašoj kućnoj dimenziji. Kako idete desno, biljka se povećava. U pomoć vam vide i druge stvari koje u ovom novom svijetu prepoznajete kao orijentiri, a koje vam omogućavaju da samopouzdano lutate.

To je u osnovi proces SLAM-a.

Unosi u proces

Da bi se napravile ove procjene, algoritmi koriste nekoliko podataka koji se mogu kategorizirati kao unutarnji ili vanjski. Za vaš primjer interdimenzionalnog prijevoza (priznajte, zabavno ste putovali), unutarnja su mjerenja veličina koraka i smjera.

Vanjska mjerenja izrađena su u obliku slika. Prepoznavanje orijentira poput biljke, stolice i stola jednostavan je zadatak za oči i mozak. Najmoćniji poznati procesor - ljudski mozak - sposoban je snimiti ove slike i ne samo identificirati predmete, već i procijeniti udaljenost do tog objekta.

Nažalost (ili srećom, ovisno o vašem strahu od SkyNeta), roboti nemaju ljudski mozak kao procesor. Strojevi se kao mozak oslanjaju na silikonske čipove s ljudskim pisanim kodom.

Ostali strojevi vrše vanjska mjerenja. Periferni uređaji poput žiroskopa ili druge inercijalne mjerne jedinice (IMU) korisni su u tome. Roboti, poput automobila koji se voze, također koriste odometriju položaja kotača kao unutarnje mjerenje.

Kreditna slika: Jennifer Morrow / Flickr

Izvana, osobni automobil i drugi roboti koriste LIDAR. Slično kao što radar koristi radio valove, LIDAR mjeri reflektirane svjetlosne impulse za prepoznavanje udaljenosti. Upotrijebljeno je svjetlo ultraljubičasto ili blizu infracrvenog zračenja, slično infracrvenom senzoru dubine.

LIDAR odašilje desetke tisuća impulsa u sekundi kako bi stvorio trodimenzionalnu mapu oblaka vrlo visoke razlučivosti. Dakle, da, sljedeći put kad se Tesla valja na autopilotu, snimit će vas laserom. Puno puta.

Dodatno, algoritmi SLAM koriste statičke slike i tehnike računalnog vida kao vanjsko mjerenje. To se postiže jednom kamerom, ali može se učiniti još preciznijim stereo parom.

Unutar crne kutije

Unutarnjim mjerenjima ažurirat će se procijenjeni položaj koji se može koristiti za ažuriranje vanjske karte. Vanjska mjerenja ažurirat će procijenjenu kartu koja se može koristiti za ažuriranje položaja. Možete to smatrati problemom zaključivanja, a ideja je pronaći optimalno rješenje.

Čest način za to je vjerojatnost. Tehnike poput filtra čestica približni položaj i mapiranje pomoću Bayesovih statističkih zaključaka.

Filter za čestice koristi određeni broj čestica raspoređenih Gaussovom raspodjelom. Svaka čestica “predviđa” trenutni položaj robota. Svakoj čestici je dodijeljena vjerojatnost. Sve čestice počinju s istom vjerojatnošću.

Kad se izvrše mjerenja koja se međusobno potvrđuju (poput koraka naprijed = tablica postaje veća), tada nastaju čestice “ispravan” u njihovom položaju postepeno se daju bolje vjerojatnosti. Čestice koje se odvoze imaju manje vjerojatnosti.

Što više orijentira robot može prepoznati, to je bolje. Orijentiri daju povratnu informaciju algoritmu i omogućuju preciznije izračune.

Trenutačne aplikacije pomoću SLAM algoritama

Raščlanimo ovaj, cool komad tehnologije, cool dio tehnologije.

Autonomna podvodna vozila (AUVs)

Bespilotne podmornice mogu samostalno raditi pomoću SLAM tehnika. Interni IMU pruža podatke o ubrzanju i kretanju u tri smjera. Uz to, AUV-ovi koriste sonar okrenut prema dnu za procjenu dubine. Bočni sonar za skeniranje stvara slike morskog dna, s rasponom od nekoliko stotina metara.

Kreditna slika: Florida Sea Grant / Flickr

Nosive mješovite stvarnosti

Microsoft i Magic Leap proizveli su nosive naočale koje uvode aplikacije miješane stvarnosti Windows Mixed Reality: što jest i kako to isprobati sada Windows Mixed Reality: što jest i kako to pokušati sada Windows Mixed Reality nova je značajka koja vam omogućuje korištenje Windows 10 u virtualnoj i dopunjenoj stvarnosti. Evo zašto je uzbudljivo i kako otkriti podržava li vaše računalo. , Procjena položaja i izrada karte presudna je za ove nošnje. Uređaji koriste kartu da virtualne objekte postave na stvarne objekte i da međusobno komuniciraju.

Budući da su ove nosivosti male, ne mogu koristiti velike periferne uređaje poput LIDAR-a ili sonara. Umjesto toga, za mapiranje okoliša koriste se manji infracrveni senzori dubine i kamere usmjerene prema van.

Samovozna automobila

Autonomni automobili imaju malu prednost u odnosu na nosivost. S puno većom fizičkom veličinom automobili mogu držati veća računala i imati više perifernih uređaja za obavljanje unutarnjih i vanjskih mjerenja. Na mnogo načina, automobili s vlastitim upravljanjem predstavljaju budućnost tehnologije, kako u pogledu softvera, tako i hardvera.

Tehnologija SLAM se poboljšava

S obzirom na to da se SLAM tehnologija koristi na više različitih načina, samo je pitanje vremena kad će se ona usavršiti. Nakon što se svakodnevno viđaju samostalno voženi automobili (i druga vozila), znat ćete da su istodobna lokalizacija i mapiranje spremni za upotrebu svih.

Tehnologija samostalne vožnje poboljšava se svakim danom. Želite znati više? Pogledajte detaljni pregled MakeUseOf-a o tome kako rade automobili sa samostalnim upravljanjem Kako rade automobili sa samostalnim upravljanjem: matice i vijci iza Googleovog programa autonomnih automobila Kako rade samovozna vozila: matice i vijci iza Googleovog autonomnog programa automobila koji se može vratiti natrag i na posao, dok spavate, jedete ili hvatate svoje omiljene blogove, koncept je jednako privlačan i naizgled daleki i previše futuristički da bi se zapravo dogodio. .

Kreditna slika: chesky_w / Depositphotos